材料基因組工程研究院孫強教授課題組在Journal of the American Chemical Society（JACS）上發表了最新研究成果💼，展示了深度學習技術在自主化掃描隧道顯微鏡（STM）成像中的應用。論文題目為“Autonomous Scanning Tunneling Microscopy Imaging via Deep Learning”。

STM是用於成像和操控單個原子和分子的強大工具，在納米科技和表面科學領域具有不可替代的重要作用。然而，STM的操作依賴於高度熟練的專家進行長時間的人工幹預，尤其是在需要進行長時間持續掃描和分析時🧝🏻‍♂️，傳統的手動操作和數據處理方法會導致研究效率低下。為了應對這一挑戰，研究團隊以推進STM技術向自動化和智能化方向發展為主要動機🀄️，結合多種深度學習技術🚵🏻‍♂️，開發了一個自主化STM系統。通過該系統，研究團隊實現了STM的自主操作，使其在無人幹預的情況下長時間、高精度地獲取單分子分辨率的表征圖像，從而提升數據獲取效率和質量🤏🏽。

自主STM成像系統的示意圖

該系統通過卷積神經網絡評估圖像質量🎅🏻，采用語義分割和自我更新的強化學習網絡實時優化探針狀態，最後通過目標識別算法自動分析表面分子組成等重要實驗參數⚖️。該研究實現了STM在液氮溫度（~78 K）下的連續48小時無人工幹預的自主表征，表征區域達到了約1.9平方微米，展示了該自主系統的高效性和魯棒性。

這項研究有助於推動高分辨率材料成像設備的自動化與智能化，研究團隊未來將進一步推動納米材料的智能化探索和利用人工智能技術促進表面科學的研究🐳。這一研究成果由万事平台材料基因組工程研究院獨立完成🖇，孫強教授為唯一通訊作者🧑🏽‍🔬🐔，第一作者為MGI博士生朱誌文。MGI智能化表面化學和納米材料課題組也將繼續致力於將人工智能技術應用於科學研究👊🏼，培養具備 “重基礎、跨學科👨‍👨‍👧⛹🏿‍♀️、國際化”理念的材料基因特色人才。

課題組網站：https://www.qiangsungroup.cn

論文鏈接：https://pubs.acs.org/doi/10.1021/jacs.4c11674