当前位置 : X-MOL首页行业资讯 › AI机器视觉助力分子成像

AI机器视觉助力分子成像

扫描探针显微镜(SPM)可以极其精确地探测和测量材料的表面质量。自诞生以来,SPM技术已被广泛用于表征材料的表面特性以及电子特性,并彻底改变了化学、纳米科学和生物学领域。分析SPM图像的传统方法在很大程度上依赖于科学家的分析判断,而且效率低下、费时费力。因此,具有高结构复杂性的表面需要高效和准确的图像分析技术。随着人工智能技术的不断进步,机器学习方法可以有效解决以上问题,在图像处理方面拥有超过人类的效率和准确率。

新加坡国立大学王笑楠教授、吕炯教授团队介绍了一种先进的机器学习算法框架,可用于分析密集的纳米结构的SPM图像。这个人工智能驱动的框架从搜索高质量的SPM图像的算法开始。图像选择之后是数据增强阶段,初始图像被用来生成一个大型数据集。这个数据集被用来训练一个神经网络,该网络能够自动检测手性模式并标记其手性。为了更好应对非理想状态下的SPM图像识别(例如,因成像不稳定而产生的伪影或STM图像包含台阶边缘或晶粒边界),拥有领域特定先验知识的条件随机场模块被用于进一步优化网络的输出。


在这项研究中,通过使用独特的单个图像系统的深度学习框架,可以在很短的时间内获得一个训练有素的自动分析工具。如图所示,核心预测Faster R-CNN模型是在一组1000张STM图像上训练的,这些图像是由一个高质量的STM图像生成的,其中包含大约50个分子。手性模式识别的推理时间明显很低,即每张STM图像0.1秒。图中显示了经过训练的Faster R-CNN模型的性能指标,该模型应用于分析fluorine-substituted hexa-dimethylphenylbenzene (F-HPB)和hexa-dimethylphenylbenzene (HPB)密集堆积自组装的高分辨率实验STM图像。在这项研究中,如果一个分子在图像中占据了50×50像素的区域,STM图像就被归类为高分辨率图像。对于F-HPB系统,从一个包含53个独立分子的单一实验性高质量STM图像生成的数据集上训练的模型实现了85.3%的平均精度和84.8%的平均召回率以及100%的识别率。

在之前的实验中,Faster R-CNN模型已经可以在各种条件下的STM图像上达到非常高的性能,而CRF过滤器模块可以补充纯机器学习模型,并进一步提高模型的整体性能。该过滤器在有缺陷的"非理想"STM图像上特别有效,在这种情况下,Faster R-CNN不能产生100%的识别率。"非理想 "的STM图像被定义为具有缺陷特征的STM图像(例如,因成像不稳定而产生的伪影或STM图像包含台阶边缘或晶界)。图中提供了本研究中两个系统应用CRF模块前后的平均识别率和假阳性率,其显示在对有缺陷的图像应用CRF过滤器后,识别率提高,假阳性率显著下降。这表明了这个额外的领域知识整合模块的有效性。


本研究中介绍的SPM图像识别自动化框架加速了先进材料的发现,其应用范围涵盖了从光伏到药物输送相关的材料研发。通过自动表征的不断实现,我们朝着人工智能助力整个材料开发生命周期的愿景又迈进了重要的一步。该文章发表于J. Am. Chem. Soc.,被选为美国化学学会期刊亮点文章JACS Spotlights,并开放访问。


原文(扫描或长按二维码,识别后直达原文页面,或点此查看原文):

Machine Vision Automated Chiral Molecule Detection and Classification in Molecular Imaging

Jiali Li, Mykola Telychko, Jun Yin, Yixin Zhu, Guangwu Li, Shaotang Song, Haitao Yang, Jing Li, Jishan Wu, Jiong Lu*, and Xiaonan Wang*

J. Am. Chem. Soc.2021143, 10177–10188, DOI: 10.1021/jacs.1c03091


王笑楠博士简介

王笑楠2011年本科毕业于清华大学化学工程系,受加州大学硕博连读全额奖学金资助,进入加州大学戴维斯分校直博,2015年获得化学工程和控制科学博士学位。之后赴伦敦帝国理工学院系统工程研究中心从事博士后研究,同时担任未来能源实验室硕士导师和课程讲师。2017年7月起担任新加坡国立大学化工与生物分子工程助理教授、博士生导师,创建了智慧系统工程研究中心,并领导新加坡最大的先进制造加速开发计划,兼任NUS能源研究中心研究员和多个国际项目的联合PI,开展基于人工智能和优化控制的智慧城市、能源、先进材料和清洁生产的研究,发表SCI论文超过80篇,同时作为顾问与政府和工业界紧密合作。担任环太平洋大学联盟(APRU)可持续废弃物管理项目负责人,Applied Energy,ACS ES&T Engineering,Advances in Applied Energy,Advanced Intelligent Systems 等期刊编委和多个国际会议的组织者、主席,在系统工程、能源化工、电气自动化等领域的大型国际会议上作40余次特邀大会报告和学术报告。获得可持续发展大会青年研究员奖,应用能源期刊高被引论文奖,国际化学工程师学会全球青年研究员决赛提名奖,英国皇家协会交流奖,以及应用能源大会、IEEE全美控制会议最佳论文奖等。其团队在人工智能加速材料开发应用,多能源系统综合利用,循环经济等领域有一系列高被引论文和算法软件产出。


智慧系统工程研究中心

https://www.smartsystemsengineering.com/ 


吕炯博士简介


2007年本科毕业于复旦大学化学系,2011年获新加坡国立大学获化学博士学位;2011-2014年间在新加坡国立大学化学系, 美国加州大学伯克利分校物理系从事博士后研究。现为新加坡国立大学化学系副教授,博士生导师。课题组主要利用新一代扫描隧道显微并结合原子力显微技术,从事单分子,单元子,低维材料的物理化学性质研究。在此基础上,同时发展了扫描探针显微技术直接用于研究单分子,二维材料相关器件,并实现了精确调控单分子的电荷和自旋及其二维材料能带和激子效应。课题组也致力于研究发展基于二维材料载体,原子级精确的单元子和单团簇新型催化剂。在Nature/Science子刊发表论文20余篇 (Nat. Mater. , Nat. Nanotech., Nat. Electron., Nat. Commun., Sci. Adv.等), 总引用超过6000次。


https://www.x-mol.com/university/faculty/65871 


如果篇首注明了授权来源,任何转载需获得来源方的许可!如果篇首未特别注明出处,本文版权属于 X-MOLx-mol.com ), 未经许可,谢绝转载!

英语语言编辑翻译加编辑
开学季购书享好礼新
有奖问卷征集新
材料学领域约200份+SCI期刊
定位全球科研英才
中国图象图形学学会合作刊
东北石油大学合作期刊
动物源性食品遗传学与育种
专业英语编辑服务
上海交大
北京大学
西湖大学
多次发布---上海中医药
中科大
杜克大学
复旦大学
中科大
新加坡
南科大
ACS材料视界
down
wechat
bug