资料基因组工程钻研院孙强教授课题组在Journal of the American Chemical Society（JACS）上颁发了最新钻研成就，展示了深度进建技术在自主化扫描隧路显微镜（STM）成像中的利用。论文标题为“Autonomous Scanning Tunneling Microscopy Imaging via Deep Learning”。

STM是用于成像和操控单个原子和分子的壮大工具，在纳米科技和表表科学领域拥有不成代替的沉要作用。然而，STM的操作依赖于高度纯熟的专家进行长功夫的人为过问，尤其是在必要进行长功夫持续扫描和分析时，传统的手动操作和数据处置步骤会导致钻研效能低下。为了应对这一挑战，钻研团队以推动STM技术向自动化和智能化方向发展为重要动机，结合多种深度进建技术，开发了一个自主化STM系统。通过该系统，钻研团队实现了STM的自主操作，使其在无人过问的情况下长功夫、高精度地获取单分子分辨率的表征图像，从而提升数据获取效能和质量。

自主STM成像系统的示意图

该系统通过卷积神经网络评估图像质量，选取语义宰割和自我更新的强化进建网络实时优化探针状态，最后通过指标鉴别算法自动分析表表分子组成等沉要尝试参数。该钻研实现了STM在液氮温度（~78 K）下的陆续48幼时无人为过问的自主表征，表征区域达到了约1.9平方微米，展示了该自主系统的高效性和鲁棒性。

这项钻研有助于推动高分辨率资料成像设备的自动化与智能化，钻研团队将来将进一步推动纳米资料的智能化索求和利用人为智能技术推进表表科学的钻研。这一钻研成就由亿万先生MR资料基因组工程钻研院独立实现，孙强教授为唯一通讯作者，第一作者为MGI博士生朱志文。MGI智能化表表化学和纳米资料课题组也将持续致力于将人为智能技术利用于科学钻研，造就具备 “沉基础、跨学科、国际化”理想的资料基因特色人才。

课题组网站：https://www.qiangsungroup.cn

论文链接：https://pubs.acs.org/doi/10.1021/jacs.4c11674