Detecção e Classificação Automatizada de Moléculas Quirais por Visão Computacional em Imagens Moleculares

A microscopia de sonda de varredura (SPM) é reconhecida como uma ferramenta essencial de caracterização em uma ampla gama de aplicações, permitindo a imagem atômica em espaço real de superfícies sólidas, nanomateriais e sistemas moleculares. Recentemente, a imagem de nanostruturas moleculares quirais via SPM tornou-se uma questão de crescente interesse científico e tecnológico devido ao seu uso iminente como plataformas funcionais em um amplo espectro de aplicações, incluindo quimioóptica não linear, catálise enantiosseletiva e detecção enantiospecífica. Devido ao processo de análise de imagem demorado e propenso a erros, é necessária uma estrutura analítica altamente eficiente capaz de identificar padrões quireais complexos em imagens SPM. Aqui, adotamos um algoritmo de visão computacional de ponta para desenvolver uma estrutura de aprendizado profundo um-imagem-um-sistema para a análise de imagens SPM. Para demonstrar sua precisão e versatilidade, empregamo-lo para determinar a quiralidade das moléculas que compõem duas auto-assemblagens supramoleculares com dois padrões de organização quiral distintos. Nossa estrutura detectou com precisão a posição e rotulou a quiralidade de cada molécula. Essa estrutura fundamenta o enorme potencial dos algoritmos de aprendizado de máquina para o reconhecimento automatizado de padrões complexos de imagens SPM em uma ampla gama de disciplinas de pesquisa.