計(jì)算機(jī)視覺(jué)作為深度學(xué)習(xí)的重要分支，被廣泛運(yùn)用在各類(lèi)圖像數(shù)據(jù)處理領(lǐng)域。得益于掃描探針顯微鏡（SPM）技術(shù)的發(fā)展，研究人員能夠直觀地在單分子、甚至是單原子尺度上觀察和分析物質(zhì)。然而，一直以來(lái)在SPM圖像中提取信息主要依賴(lài)于實(shí)驗(yàn)人員的主觀分析。
圖1：深度學(xué)習(xí)框架工作流程概述。此工作流程從標(biāo)準(zhǔn)SPM圖像采集開(kāi)始，然后通過(guò)t-SNE算法進(jìn)行圖像評(píng)估，該算法用于確認(rèn)高分辨率SPM圖像中分子的可分性。隨后，在原始SPM圖像中選擇一個(gè)小區(qū)域的分子進(jìn)行標(biāo)記和數(shù)據(jù)增強(qiáng)，并作為實(shí)例分割深度學(xué)習(xí)模型（Mask R-CNN）的數(shù)據(jù)集。最后，機(jī)器視覺(jué)模型在訓(xùn)練后將自動(dòng)批量評(píng)估SPM圖像并輸出預(yù)測(cè)結(jié)果。在本工作中，作者開(kāi)發(fā)了一個(gè)深度學(xué)習(xí)框架，運(yùn)用Mask R-CNN目標(biāo)檢測(cè)算法來(lái)實(shí)現(xiàn)SPM二元或多元納米結(jié)構(gòu)中單分子的識(shí)別、分類(lèi)和實(shí)例分割。為了展現(xiàn)該框架對(duì)分子的敏感度，作者使用了在SPM圖像中極為相似的兩種三角形分子作為案例。試驗(yàn)結(jié)果表明，該框架可以高效準(zhǔn)確辨識(shí)出兩種分子在SPM圖像上的細(xì)微差別并勾勒出分子輪廓。另外，課題組與南開(kāi)大學(xué)王小野教授合作的“Heteroatom-Edged [4]Triangulene: Facile Synthesis and Two-Dimensional On-Surface Self-Assemblies”論文也于近日發(fā)表于Angew. Chem. Int. Ed.。該論文闡述了一種新型的具有氧–硼–氧（OBO）摻雜邊緣的雜[4]三角烯，并實(shí)現(xiàn)了在金屬表面的二維有序組裝（圖2）。實(shí)驗(yàn)和理論計(jì)算表明硼氧雜[4]三角烯能在金屬表面通過(guò)分子間C–H···O氫鍵作用，在不同基底的調(diào)控作用下實(shí)現(xiàn)多孔組裝與致密堆積組裝兩種長(zhǎng)程有序的結(jié)構(gòu)，顯著區(qū)別于無(wú)序或孤立存在的全碳[4]三角烯。該工作展示了一類(lèi)新型硼氧雜[4]三角烯分子，拓展了雜三角烯的材料體系，并進(jìn)一步證明了其形成二維表面自組裝中的潛力，為納米石墨烯分子陣列化及其在未來(lái)納電子器件等領(lǐng)域的應(yīng)用提供了新的思路。
圖2：A.已有的[4]三角烯和本文報(bào)道的硼氧雜[4]三角烯及其在不同基底上的組裝形貌示意圖；B.（a–h）OBO三角烯在不同基底上組裝體的STM圖像；（i）基于不同組裝結(jié)構(gòu)的二聚體模型。
兩篇論文工作主要由上海大學(xué)MGI孫強(qiáng)教授課題組與南開(kāi)大學(xué)王小野教授課題組合作完成。論文一中孫強(qiáng)教授為唯一通訊作者，第一作者為MGI碩士生朱志文。論文二中孫強(qiáng)教授為共同通訊作者，MGI博士生陸佳宜為共同第一作者。MGI表面科學(xué)課題組（www.qiangsungroup.cn）近年來(lái)利用數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)和人工智能方法，結(jié)合高通量實(shí)驗(yàn)手段研究人工智能在表面科學(xué)中的應(yīng)用，包括機(jī)器視覺(jué)、自動(dòng)目標(biāo)識(shí)別和性能預(yù)測(cè)。論文一鏈接：https://doi.org/10.1002/anie.202213503參考資料：https://news.shu.edu.cn/info/1013/65733.htm
在線(xiàn)客服
快速發(fā)布
我的店鋪
我的化學(xué)加
我的消息
我要充值
回到頂部
