Key points are not available for this paper at this time.
Resumo Para capturar com precisão o comportamento dinâmico de pequenas nanopartículas na microscopia eletrônica de transmissão com varredura, são necessários dados de alta qualidade e processamento avançado de dados. A taxa de varredura rápida necessária para observar dinâmicas estruturais leva inerentemente a dados muito ruidosos, onde ferramentas de aprendizado de máquina são essenciais para uma análise imparcial. Neste estudo, desenvolvemos um fluxo de trabalho baseado em duas arquiteturas U-Net para localizar e classificar automaticamente colunas atômicas em interfaces partícula-suporte. O modelo é treinado em simulações de imagem não físicas, alcança precisão de localização subpixel, alta precisão de classificação e generaliza bem para dados experimentais. Testamos nosso modelo em séries temporais experimentais tanto in situ quanto ex situ registradas a 5 quadros por segundo de pequenas nanopartículas de Pt suportadas em CeO 2 (111). Os filmes processados mostram dinâmicas sub-segundo das nanopartículas e revelam padrões de movimento específicos de locais de colunas atômicas individuais.
Eliasson et al. (Sat,) estudaram essa questão.