从二维高分辨率透射电子显微镜图像中提取三维纳米粒子形状：一种深度学习方法

《npj Computational Materials》：Unlocking 3D nanoparticle shapes from 2D high-resolution transmission electron microscopy images: a deep learning approach

　　

摘要

由于缺乏能够处理大量纳米对象的自动化方法，高分辨率透射电子显微镜（HRTEM）图像的原子级分析仍然受到限制。特别是在纳米尺度上准确表征纳米颗粒（NP）的形态仍然是一个重大挑战。为了解决这个问题，我们开发了一个深度学习（DL）框架，该框架基于一组模拟的HRTEM图像数据进行训练，这些图像显示的是具有面心立方结构的金纳米颗粒，其尺寸范围从4到8纳米，并根据它们的三维形状进行了标记。这些数据集是通过构建沉积在非晶碳上的纳米颗粒的原子模型并对其进行随机旋转来生成的，以涵盖实验样本中可能观察到的所有方向。然后使用多切片方法模拟HRTEM图像，以模拟经过像差校正的透射电子显微镜的实验采集过程。我们进行了系统的研究，以评估不同的关键物理和数值参数（非晶碳结构、图像分辨率、聚焦条件、纳米颗粒的大小和方向）对DL模型预测性能的影响。最终，我们开发并提出了一个稳健且准确的框架，用于从二维HRTEM图像中推断出三维金纳米颗粒的形态，并在模拟和实验数据集上进行了验证。