美国阿贡国家实验室发布快速自动扫描套件 FAST,助力显微技术「快速阅读」成为可能...

「文智助手」全场景办公AI助理AI+OPC全流程实践方案(大赛作品) 阅读详情

8b9cb8113a7a2b97fb9bd7f58adefd0e.png

By 超神经

「我高兴地在北京市的天安门广场上看红色的国旗升起」

快速阅读一下这个句子,大家可能会发现,只需「我在天安门广场看升旗」几个字,就能概述我们需要的信息,也就是说,无需逐字逐句地阅读,抓住重点即可破译全部信息。那么,科学研究是不是也能如此呢?

受此启发,研究人员将人工智能 (AI) 与显微技术结合,训练 AI 主动识别样本中的关键特征,供研究者分析。不同于传统显微技术中对样本的全点式扫描,AI + 显微技术的方法彻底改变了研究人员获取样本数据的方式,显著加快实验进程,实现了微观层面的「快速阅读」。

作者 | 加零

编辑 | 雪菜、三羊

显微镜的原理是通过扫描样品产生空间分辨信号,收集信号进行分析,从而形成样品图像。随着仪器仪表技术的不断进步,显微镜的扫描速度和分辨率都有了很大提升。

但是,高分辨率的显微扫描实验有一些明显的缺点:产生的数据量庞大,且探针对样品的损伤也很大。以在 ≈10 nm 的分辨率下进行 1mm^3 体积的 X 射线成像为例,传统扫描方式会产生 10^15 体素的数据,并且需要相当大剂量的探针。

同时,样本中的大多区域信息密度低、可以直接忽略,反而是少部分的「边界、缺陷、特殊元素」区域包含丰富的信息量,需要重点研究。

精准定位信息密度大的关键区域,传统方法主要依赖经验丰富的操作员分析数据、指导探针扫描,这极大增加了工作量,拖慢实验进度。

那么,有没有可能引入 AI ,让它帮助研究者识别样本中的研究重点,加速数据采集和分析呢?

c3d253a452eca2dc086786fc7c65ed25.png

在 APS 进行自动暗场扫描显微实验的艺术图示

为此,美国阿贡国家实验室 (Argonne National Laboratory) 的研究人员开发了 FAST (Fast Autonomous Scanning Toolkit),它是一个快速自动扫描套件,与传统显微镜研究样本的全点式扫描不同,FAST 允许 AI 自动识别扫描的位置,从而高效精准的获取样本信息。目前相关成果已发表于「Nature Communications」。

705d22d5a9099c8a4efef1d102c3e191.png

相关成果已发表于「Advanced Science」

FAST 科研人员在模拟测试 (simulations) 及暗场 X 射线 (dark-field X-ray) 显微镜实验中,对 WSe2 film 进行了 FAST 扫描,结果表明,<25% 的 FAST 扫描就足以准确地成像并分析样本。

论文链接:

https://www.nature.com/articles/s41467-023-40339-1

关注公众号,后台回复「显微」获取完整论文 PDF

5ffc3dc52c2f99a6b5897c1815723fbd.jpeg

实验过程

训练数据

利用通用图像训练算法

FAST 所采用的算法不需要利用大型数据集开展训练,AI 可利用通用图像识别感兴趣的区域。

训练数据由 MIT Libraries,USC-SIPI Image Database 和 Scikit-image software package 公开提供的图像生成。

f3327613650233d77d2a124ae5851d54.png

所用的测试图像示例

FAST

快速自主扫描工具套件

FAST 全称 Fast Autonomous Scanning Toolkit,它结合了 SLADS-Net 方法、路径优化技术以及高效且模块化的硬件控制,是一个快速自主扫描工具套件,可用于基于同步加速器的扫描显微镜 (synchrotron-based scanning microscopy) 的实时采样和扫描路径选择。

073d03f4fd59f18591db0440c8a18302.png

FAST 工作流程

A:一组准随机 (quasi-random) 初始测量值被传输到边缘设备,依次生成初始样本估计,计算下一个要测量的候选点 (candidate points),并计算出测量路径。新测量值与现有的测量值结合,计算新估计值,重复该过程直至达到完成标准。

B:候选点运算开始时会检查每个未被测量 point P(半径为 r)的局部邻域,已经测量过的点会高亮,从而生成 6 维特征向量。使用径向基核函数 (RBF) 内核将特征向量转换为 50 维向量,并作为多层神经网络 (NN) 的输入。接下来神经网络 (NN) 会通过测量 point P 对图像预期改进进行预测 (ERD)。选择 ERD 最高的一组未测量像素,作为下次测量的候选。

FAST 的训练不依赖具体的样本数据,就可以动态测量和重构一个复杂的(非二进制)样本,这与现有的基于 SLADS 的工作流程有所不同。此外,与获取时间 (acquisition time) 相比,其计算成本可以忽略不计,即使运行在低功耗边缘计算设备(放在同步加速器束线)上也是如此,这对于更通用的自主实验技术而言具有显著优势。

这些特性使得 FAST 能够应用于 APS hard X-ray nanoprobe beamline 上现有的高精度纳米级扫描 X 射线显微镜仪器。

1e17fde4a7c26b49c5734496a0987045.jpeg

性能验证

FAST

优于静态取样方法

为了验证 FAST 的性能,研究人员将其与另外 3 种静态取样技术进行了对比实验。

实验对象:即测试数据集,为一张 600 × 400 像素的暗场图像,代表 24 万个可能的测量位置,覆盖 900 × 600 μm 的物理区域,并包含多片不同厚度的 WSe2 切片;

对比方式:3 种静态采样技术分别为栅格 (RG, Raster grid) 采样、均匀随机 (UR, Uniform random) 采样、低差异 (LDR, Low-discrepancy) 准随机采样;

实验过程:在相同的扫描覆盖率下,生成 FAST、RG、UR 和 LDR 采样重建图像。

对比一:

72772fbf0b8d01f3adbf6af82ab322ea.png

FAST 与静态采样重建图像对比

A :ground truth 图像,颜色刻度代表归一化强度

B-D:10% 扫描覆盖率下 RG、LDR 和 FAST 重建图像

结果显示:FAST 采样能够高保真地再现实验对象中边界、气泡和不同厚度水平之间的过渡区域。

对比二:

b7e758959a9560b1013bdd0c331d846e.png

不同扫描覆盖率下

FAST 与静态采样方法性能对比

A:归一化平方平均数误差 (NRMSE) 随扫描覆盖率的变化,值越低性能越优;

B:结构相似性度量 (SSIM) 随扫描覆盖率的变化,值越高性能越优。

结果显示:FAST 采样效率高,在扫描覆盖率达到 27% 时,实现了稳定重建;静态取样的 3 种方法要达到同样的效果,则需要更长的时间。

对比三:

9345bbf7b7e1a498a60e610b07d26fa0.png

相同取样条件下,覆盖率 10% 时 

FAST 及 2 种静态取样方法的实际测量位置

结果显示,FAST 重建结构相似性高,误差低。

未来可通过在 FAST 方法中使用更复杂的修复技术 (inpainting technique),来进一步改善结果。

以上 3 组对比结果显示:

FAST 优于静态采样技术。FAST 会优先选择具有显著异质性的区域进行采样,而非均匀区域。这极大减少了在空白区域无效取样的时间,对稀疏样本特别有效。

FAST

具备高效、精准的暗场图像重建能力

在同步加速器光束线实验中,FAST 进一步展现了卓越性能。

此实验过程完全由 AI 自驱动进行,研究人员除启动 FAST 脚本外没有进行任何干扰。实验样本是变形的 WSe2 薄片,空间分辨率为 100 nm。

2e1880013af7d43d52922b595e6beef4.png

FAST 扫描的演进

A、C、E :5% 、15% 和 20% 扫描覆盖率下 FAST 重建暗场图像;

B、D、F :相应的实际测量点;

G :通过全网格逐点扫描(100% 覆盖率)获得的图像;

A-G:颜色刻度显示了归一化强度;

H:仅显示在 15%-20% 覆盖率之间的采样点。

上图显示,低扫描覆盖率的情况下,FAST 方法优先识别了一些异质性区域,如气泡的边缘;随着扫描覆盖率逐步上升,重建结果越发清晰,在 15%-20% 的扫描覆盖率之间重建图像达到稳定。

20% 扫描覆盖率下,FAST 可清晰、准确地复制全扫描图像中所有主要特征,同时帮助实验节省约 80 分钟 (≈65%) 的时间,大大提高了实验效率。

8d5b77d1ed27033bc8a460466808c257.jpeg

AI + 显微技术的未来

FAST 流程的优势不仅在提升显微数据采集效率,还在于广泛的应用范围。来自美国阿贡国家实验室的科学家 Tao Zhou 说「从 X 射线显微镜到电子显微镜再到原子探针显微镜,这种技术可以为任何需要二维扫描的显微镜研究赋能」。

未来,AI 技术也将在显微技术领域迎来更深入地应用。通过训练,AI 正逐步接手如自动化图像分析和识别、图像增强和重建、定量分析和疾病诊断等任务。

AI + 显微技术,朝着更清晰、更高效、更精准的未来走去,科学研究的边界也将不断拓宽。

参考链接:

[1]https://www.nature.com/articles/s41467-023-40339-1

[2]https://phys.org/news/2023-10-artificial-intelligence-scientists-self-driving-microscopy.html

[3]A Supervised Learning Approach for Dynamic Sampling

—— 完 ——

 往期推荐 

清华大学利用可解释机器学习,优化光阳极催化剂,助力光解水制氢

生物信息学 | 借助 AI 更高效地开启研究

山东大学开发可解释深度学习算法 RetroExplainer,4 步识别有机物的逆合成路线

cbe19a239f811c60f7afa56cad7202b7.jpeg

扫描二维码,加入讨论群

获得更多优质数据集

了解人工智能落地应用

关注顶会&论文

回复「读者」了解更多

a99fdfd98dbecd0d67df424216b074cc.gif

365421433f0ac180dc034a4e4fbb2d5b.gif

戳“阅读原文”,免费获取海量数据集资源!

船载 OpenHarmony AIS 航海工作台:告警与防碰撞预警系统 船载OpenHarmony AIS航海工作台的告警与防碰撞系统,集成十余类告警(超速、偏航、会遇、SOS等),通过网格空间索引实现高效邻近判定,保障实时性。告警管理器统一调度规则、去重、通知与日志,支持悬浮球、语音、跑马灯、弹窗多渠道触达,确保航行安全。SOS紧急通道独立运行,避免干扰。系统设计强调性能优化与多场景适配,为航海安全提供核心支撑。 阅读详情

相关推荐

矩阵管理:一人100账号霸屏小红书,保姆级教程经验技巧

同时,如果你的账号表现很正常,很OK,它也增加账号权重。手机环境:一机一卡一号是基本操作,如果你觉得设备成本高,你就要知道WIN的云真机,一键新机,一键随机设备参数,一键还原,一键安装应用,自带批量发布笔记,私信聚合,自带回复私信,一键养号等等,一人批量注册100个小红书账号真的很简单!从流量逻辑来分析,大家有没有发现,从账号粉丝数来看,小红书很难出现类似抖音上超千万粉丝量级的账号,几十万粉丝的博主已经是头部账号了,原因在于,抖音的流量分发机制是80%的流量集中在 20% 的头部账号而。

FDF432DF的博客 5153

美国阿贡国家实验室发布快速自动扫描套件 FAST,助力显微技术「快速阅读」成为可能

我高兴地在北京市的天安门广场上看红色的国旗升起」快速阅读一下这个句子,大家可能会发现,只需「我在天安门广场看升旗」几个字,就能概述我们需要的信息,也就是说,无需逐字逐句地阅读,抓住重点即可破译全部信息。那么,科学研究是不是也能如此呢?受此启发,研究人员将人工智能 (AI) 与显微技术结合,训练 AI 主动识别样本中的关键特征,供研究者分析。不同于传统显微技术中对样本的全点式扫描,AI + 显微技术的方法彻底改变了研究人员获取样本数据的方式,显著加快实验进程,实现了微观层面的「快速阅读」。

HyperAI超神经 1201

从M350 RTK到E-Port:解锁大疆无人机多负载协同与PSDK V3开发新范式

本文深入解析了大疆M350 RTK无人机搭载的E-Port智能接口与全新的PSDK V3开发套件,如何共同实现多负载协同作业的范式转变。E-Port集成了供电与高速数据总线,而PSDK V3通过统一的设备模型与服务机制,大幅降低了第三方负载的开发门槛与集成复杂度,使构建如智能巡检等复杂空中作业系统变得更加高效和标准化。

3c4x5z6v7b的博客 167

HyperAI超神经 x 中关村科金 | 重构未来 · 产业智能跃迁——2023 大模型产业前沿论坛...

By 超神经与来自全国200位行业CTO、CIO、IT总监和信息化负责人一起,共享思想的力量、广阔的认知、丰富的经验,与并肩作战的伙伴,链接不可复制的智慧。重构未来· 产业智能跃迁2023大模型产业前沿论坛2023年11月23日 14:00 ~ 18:00北京海淀区北京丽亭华苑酒店嘉宾分享:人工智能领域副部级院士专家分享前沿技术趋势与洞察重磅发布:中关村科金大模型新技术范式和ChatPilot...

HyperAI超神经 100

WGCNA分析中那些没人告诉你的坑:以肺结核差异基因模块筛选为例

本文深入探讨WGCNA分析在肺结核差异基因模块筛选中的七个关键陷阱,包括soft-thresholding选取、样本离群值检测、模块合并阈值调整等。通过实际案例和R代码示例,揭示生信数据挖掘中常被忽视的技术细节,帮助研究者避免常见错误,提升分析结果的可靠性和生物学意义。

weixin_29218509的博客 262

python画弗里德曼(Friedman) 检验和秩和检验(Nemenyi)检验图

python画弗里德曼(Friedman) 检验和秩和检验(Nemenyi)检验图 画好后效果图 实现代码如下 import matplotlib.pyplot as plt #算法平均排名 _alg_=[1.405,2.643,2.786,2.167] y=[1,2,3,4]#alg1,alg2,alg3,alg4 通过Nemenyi测试计算得到的临界值CD CD=1.024 h_CD=CD/2 plt.figure(figsize=(10,6)) plt.scatter(_alg_,y,s=10

大模型天花板 4466

AI 问数真的能替代 BI 报表吗?

AI问数赋能自然语言查询,提升临时分析效率,但无法替代传统报表。报表适用于稳定输出与持续监控,AI则擅长探索性提问。企业用好AI问数,关键在于夯实数据模型、统一指标口径、健全权限体系与结果校验机制。合理组合报表、仪表板与AI,才能实现高效、准确的业务洞察。

葡萄城技术团队博客 327

爬取百度图片

最开始,我们想要爬取图片,首先需要打开百度图库,然后在搜索栏中输入自己想要的图片(比如说壁纸)。接着右键检查,点击网络:起初可能没有名称信息,刷新界面就可以了。打开信息,查看标头内容可以看到请求URL为:复制这串URL,然后在浏览器中打开这个就是我们搜索的壁纸图片的网页内容。怎么找到图片的URL呢?在上述内容中,找到data,可以发现里面每隔一个aiEditData,下面代码的形式是一样的,就相当于一张图片。

weixin_54143563的博客 1943

ChatGPT、Perplexity、Gemini 与 AI Overviews 引用对比:谁的引用更可信

AI 引擎的引用机制差异很大:ChatGPT 以行内引用加 Sources 列表呈现来源,Perplexity 几乎逐句可溯源,Gemini 在回答中内嵌相关来源链接,AI Overviews 则把多源聚合答案与来源列表一起放在搜索结果顶部。本文从引用透明度、来源偏好、可干预性 3 个维度对比这 4 个引擎,并给出 GEO 的 3 点启示,帮企业在多引擎环境下提升被引用的概率。

淡然一笑 的专栏 260

BlockUI专栏目录

BlockUI是一个设计NX对话框的工具,是官方推荐使用的对话框制作方法,能够与NX自身风格相统一,并且在实际开发中经常被使用。BlockUI可以帮助用户快速创建NX对话框,支持多种控件类型,如按钮、文本框、标签等。通过使用BlockUI,用户可以轻松地自定义对话框的布局、样式和交互行为。此外,BlockUI还提供了一些高级功能,如动态更新、条件显示和事件处理等,以帮助用户创建更加复杂和灵活的对话框。本专栏讲述了使用BlockUI制作NX对话框的方法,介绍了每个控件的功能,并且分享一些常用操作的源码。

王牌飞行员_里海的博客 1635

【AI 编程工具】Codex配置部署指南

目录一、环境准备与基础安装1. 系统兼容性检查2. 前置依赖安装3. 安装方式选择二、API密钥配置与认证1. 获取API密钥2. 配置文件设置3. 临时配置方式三、沙盒环境配置与安全策略1. 沙盒模式选择2. 安全最佳实践四、高级功能配置1. 模型上下文协议(MCP)配置2. 模型版本切换3. 自定义网关配置五、常见问题排查1. 安装失败2. API调用失败3. 处理速度慢4. 配置文件不生效六、生产环境部署建议macOS/Linux:官方提供稳定支持,推荐使用原生环境Windows:官方标注为实验性支持

以实战经验介绍行业知识 2907

【从零理解 Spring AI · 12】MCP 的两种角色:做客户端还是做服务端

上一篇讲了 MCP 的概念:标准协议、三大角色、M+N 替代 M×N。

nice_lcj520的博客 609

基于机器学习的网络入侵检测系统设计与实现

本文设计并实现了一个基于机器学习的网络入侵检测系统,采用随机森林模型结合KMM算法优化,使用CICIDS2017数据集进行训练。系统包含完整的数据预处理流程、特征工程、模型调优和远程部署方案。实验结果表明,该系统能有效识别多种网络攻击类型,在检测准确率和误报率方面表现优异。研究为网络安全防护提供了新的技术思路和实用工具,具有重要的应用价值。

huanghm88的专栏 319

抽象主义人工智能和生命体AI的内在联系

彭军辉提出“抽象主义人工智能”作为第四大AI范式,批判符号主义、连接主义、行为主义剥离生命本体的误区,确立“智能是现象,生命是本体”的核心公理。主张原生智能必须依附具备存续诉求的生命本体,提出“生命体AI理论”,构建七层演化阶梯与自闭环工程框架,强调智能不可跳过底层存续机制直接模拟语言。该体系为生成式AI提供科学边界,推动从“仿真表象”向“原生智能”的范式跃迁,开辟硅基人工生命新赛道。

抽象主义人工智能和生命体AI 198

汉书HE8,好用的汇编代码编写工具

汉书HE8,好用的汇编代码编写工具早期编写汇编代码所用功能强大

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

OpenAI Control Room 架构拆解:给企业 AI Agent 加一套可审计的急停系统

OpenAI 公开了用于追踪和停止研究模型工作负载的 Control Room。本文拆解 job_id、推理前鉴权、35 秒撤销窗口与 Fail Closed 设计,并给出企业 AI Agent 急停控制面的数据模型、FastAPI 参考实现、缓存撤销策略和故障演练清单。

jerry764的博客 333

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

OpenClaw 深度调查:把 AI 助手做成你自己的控制平面

对 openclaw/openclaw 的完整技术尽调:Gateway 架构、Agent 运行时、工具与沙箱、30 个消息通道、181 个插件、安全信任边界、工程代价与采用建议。17 章 / 10 张图,全部数字标注口径,数据截至 2026-10-31。

厚积薄发 336

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。

AI赋能智慧港口建设|造形家快速生成港口全要素三维场景

随着智慧港口、港口数字孪生项目的持续推进,港口三维场景的需求日益旺盛。传统港口三维建模,往往需要航拍倾斜摄影采集数据,再人工搭建吊机、岸桥、船舶、集装箱等大量工业设施模型,项目周期长、人力成本高,修改迭代繁琐,制约港口可视化项目落地效率。国产AI三维建模工具,依托卫星影像 AI 识别能力,无需航拍作业,一键快速搭建港口完整三维场景,为港口数字孪生、方案汇报、投标演示提供高效的场景解决方案。

m0_69539167的博客 80

从设备增点到治理闭环:老旧小区物业数智化落地实践

系统连接合同审批、银行流水、收费记录与项目台账,执行到期提醒、收入核验、异常标色和月度对账,让每一笔资金来源明确、去向可查。针对设施老旧、诉求响应慢、公共收益不透明等问题,津南以6类小区为试点场景,统一建设物业数字化底座,关联楼栋、单元、房屋、业主、空间、设施设备、工单、公共收益等核心数据。系统采用统一编码管理,将摄像头、路灯、井盖、道路、绿化等设施纳入资产台账,解决纸质记录更新滞后、故障责任难追溯的问题。基于历史工单建立分类模型和知识库,辅助识别照明、给排水、电梯、环境秩序、秩序维护等问题;

wuyeshuzhihua的博客 154

企业微信iPad协议详解:接口接入、实时消息同步与语音转码实践

深入解析企业微信iPad协议的技术架构与开发思路,涵盖API接口接入、长连接通信、实时消息同步、Silk语音转码、异常重连及高并发优化,帮助开发者了解企业微信自动化系统的设计与实现。

欢迎来到祖安! 503

Product Hunt 热榜 2026-11-13:Plurai Simulation、YouArt Desktop App、Omnigraph

2026-11-13 Product Hunt 新产品精选:Plurai Simulation、YouArt Desktop App、Omnigraph。汇总 15 款产品的中文介绍、功能关键词和产品链接。

LaughingZhu的博客 605

【AI Agent面试系列】AI Agent可观测、评测、安全相关的知识点

之前的文章介绍了和,本文主要介绍AI Agent的测评、可观测等知识。

386

Docling 原理解读:是什么、为什么、怎么样

从论文视角拆解 Docling 的整体架构、DoclingDocument 数据模型、PDF 预处理、版面分析、OCR、TableFormer 双解码器、阅读顺序与装配流程,并解释版面框与 OCR 框的区别。

PLANTTHESON的博客 398
上一篇: 清华大学利用可解释机器学习,优化光阳极催化剂,助力光解水制氢
下一篇: 美国阿贡国家实验室发布快速自动扫描套件 FAST,助力显微技术「快速阅读」成为可能...
HyperAI超神经
博客等级 码龄7年 8873粉丝 1753原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值