深度學(xué)習(xí)或?qū)⒖梢栽忈屛⒂^世界

用透射電子顯微鏡（TEM）、掃描電子電鏡（SEM）、掃描探針顯微鏡（SPM）先進(jìn)儀器等獲取微觀圖像，幫助人們理解物質(zhì)的結(jié)構(gòu)，已成為材料研究界普遍使用的方法。如何讓微觀圖像開口說話，告訴人類它們所知道的秘密呢？

深度學(xué)習(xí)或許能回答這個問題。近日，北京郵電大學(xué)與中科院物理研究所的研究人員合作，綜述了近幾年深度學(xué)習(xí)在SEM、TEM及SPM結(jié)構(gòu)表征方面的應(yīng)用，總結(jié)了深度學(xué)習(xí)在表征圖像分析方向的機(jī)遇和挑戰(zhàn)，并對未來交叉領(lǐng)域研究進(jìn)行了展望。相關(guān)研究成果已發(fā)表于Materials Today Nano。

“以往科研人員基于他們本人的知識，逐一分析圖像以獲得他們認(rèn)為重要的信息，但隨著微觀圖像越來越多、分辨率越來越高，圖像分析的難度和工作量越來越大。”該論文通訊作者、中科院物理研究所研究員蘇東說，“深度學(xué)習(xí)方法可以自動提取特征并分析，正在被用于對大規(guī)模微觀圖像的處理?！?/p>

深度學(xué)習(xí)是一種以人工神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)架構(gòu)，能夠?qū)?shù)據(jù)進(jìn)行表征學(xué)習(xí)的機(jī)器學(xué)習(xí)方法。不同于傳統(tǒng)的機(jī)器學(xué)習(xí)算法需要人為的特征設(shè)計，深度學(xué)習(xí)可以實現(xiàn)自動的特征提取，因而可以獲得更為有效的特征表示。近年來，深度學(xué)習(xí)在計算機(jī)視覺、自然語言處理、醫(yī)學(xué)圖像處理等多個領(lǐng)域都開展了應(yīng)用。

在圖像處理中，深度學(xué)習(xí)模型可以被用于目標(biāo)分割、缺陷檢測和分類等問題。該論文第一作者、北京郵電大學(xué)博士研究生葛夢舒表示，材料學(xué)微觀圖像的分析和一般的圖像分析有所不同。微觀圖像中的信息不是表觀的，很多時候要進(jìn)行深入分析處理，才可能理解其中的意義，如何讓深度學(xué)習(xí)實現(xiàn)這些是一個挑戰(zhàn)。

目前的研究中，深度學(xué)習(xí)可實現(xiàn)SEM圖像的自動歸類，甚至實現(xiàn)像素級的目標(biāo)分割，還可以實現(xiàn)圖像分辨率的增強(qiáng)。在STEM分析中，深度學(xué)習(xí)則被用于缺陷檢測和分類、原子識別、晶格類別識別等問題。對于SPM表征技術(shù)，深度學(xué)習(xí)可以實現(xiàn)對針尖形狀的自動較正，對材料表面分子結(jié)構(gòu)和旋轉(zhuǎn)角度的自動識別以及構(gòu)效關(guān)系分析。

該論文另一通訊作者、北京郵電大學(xué)教授蘇菲認(rèn)為，目前一些領(lǐng)域表現(xiàn)出極強(qiáng)的發(fā)展?jié)摿Γ热缒Ｐ秃退惴ㄔ诓牧蠈W(xué)圖像分析中的可擴(kuò)展性、表征任務(wù)的可擴(kuò)展性等。“不可否認(rèn)的是，研究中還存在不少挑戰(zhàn)，比如如何讓深度模型和損失函數(shù)更符合物理及化學(xué)理論，如何對數(shù)據(jù)進(jìn)行合理標(biāo)定進(jìn)而優(yōu)化算法的性能，如何將深度模型方法與實驗分析方法結(jié)合，把深度學(xué)習(xí)整合到實驗方法中等?！?/p>