质料基因组工程研究院孙强教授课题组在Journal of the American Chemical Society（JACS）上揭晓了最新研究效果，，，展示了深度学习手艺在自主化扫描隧道显微镜（STM）成像中的应用 。。论文问题为“Autonomous Scanning Tunneling Microscopy Imaging via Deep Learning” 。。
STM是用于成像和操控单个原子和分子的强盛工具，，，在纳米科技和外貌科学领域具有不可替换的主要作用 。。然而，，，STM的操作依赖于高度熟练的专家举行长时间的人工干预，，，尤其是在需要举行长时间一连扫描和剖析时，，，古板的手动操作和数据处置惩罚要体会导致研究效率低下 。。为了应对这一挑战，，，研究团队以推进STM手艺向自动化和智能化偏向生长为主要念头，，，连系多种深度学习手艺，，，开发了一个自主化STM系统 。。通过该系统，，，研究团队实现了STM的自主操作，，，使其在无人干预的情形下长时间、高精度地获取单分子区分率的表征图像，，，从而提升数据获取效率和质量 。。
自主STM成像系统的示意图
该系统通过卷积神经网络评估图像质量，，，接纳语义支解和自我更新的强化学习网络实时优化探针状态，，，最后通过目的识别算法自动剖析外貌分子组成等主要实验参数 。。该研究实现了STM在液氮温度（~78 K）下的一连48小时无人工干预的自主表征，，，表征区域抵达了约1.9平方微米，，，展示了该自主系统的高效性和鲁棒性 。。
这项研究有助于推动高区分率质料成像装备的自动化与智能化，，，研究团队未来将进一步推动纳米质料的智能化探索和使用人工智能手艺增进外貌科学的研究 。。这一研究效果由8188cc威尼斯质料基因组工程研究院自力完成，，，孙强教授为唯一通讯作者，，，第一作者为MGI博士生朱志文 。。MGI智能化外貌化学和纳米质料课题组也将继续致力于将人工智能手艺应用于科学研究，，，作育具备 “重基础、跨学科、国际化”理念的质料基因特色人才 。。
课题组网站：https://www.qiangsungroup.cn
论文链接：https://pubs.acs.org/doi/10.1021/jacs.4c11674
