伊利诺伊大学厄巴纳-香槟分校的洛伊丝·约克苏里安 该示意图显示了研究人员将液相电子显微镜和机器学习相结合以产生简化的数据输出的步骤的简化版本，与过去的方法相比，该方法处理起来不那么繁琐
信用:ACS和钱晨集团 在纳米世界中，像蛋白质这样的微小颗粒悬浮在液体中时，会随着它们的转化和组装而跳舞，以完成各种任务
最近开发的方法使得观察和记录这些难以捉摸的微小运动成为可能，研究人员现在通过开发一种机器学习工作流程来简化这一过程，向前迈出了一步
这项由伊利诺伊大学香槟分校材料科学与工程教授钱晨领导的新研究建立在她过去在液相电子显微镜方面的工作基础上，并发表在《美国化学学会中心科学》杂志上
能够看到并记录纳米粒子的运动对于理解各种工程挑战至关重要
液相电子显微镜允许研究人员观察纳米粒子在微小的瓶子状样品容器中的相互作用，在医学、能源和环境可持续性研究以及超材料制造等方面非常有用
然而，研究人员说，很难解释数据集
产生的视频文件很大，充满了时间和空间信息，并且由于背景信号而有噪声——换句话说，它们需要大量繁琐的图像处理和分析
“开发一种方法来观察这些粒子是一个巨大的挑战，”陈说
“找出如何从异常值和噪声的海洋中有效地获取有用的数据已经成为新的挑战
" 为了解决这个问题，该团队开发了一种基于人工神经网络的机器学习工作流程，该网络在某种程度上模拟了人脑的学习能力
研究报告称，该程序建立在现有的神经网络基础上，称为U-Net，不需要手工特征或预先确定的输入，并在使用其他类型的显微镜识别不规则细胞特征方面取得了重大突破
学分:伊利诺伊大学香槟分校 “我们的新项目处理三种纳米尺度动力学的信息，包括运动、化学反应和纳米粒子的自组装，”主要作者和研究生韩乐·姚说
“这些代表了我们在液相电子显微镜视频分析中遇到的场景和挑战
" 研究报告称，研究人员从大约30万对相互作用的纳米粒子中收集了测量结果
陈的团队在过去的研究中发现，在对某些类型的纳米粒子成像时，对比度仍然是一个问题
在他们的实验工作中，研究小组使用了金制成的粒子，用电子显微镜很容易看到
然而，陈说，当在电子束下观察时，元素或分子量较低的粒子，如蛋白质、塑料聚合物和其他有机纳米粒子显示出非常低的对比度
“生物应用，如疫苗和药物的研究，强调了我们推动生物分子成像技术的紧迫性，”她说
“在病毒和我们的免疫系统之间，在药物和免疫系统之间，在药物和病毒本身之间，都存在着重要的纳米级相互作用，这一点必须得到理解
事实上，我们的新处理方法允许我们从样本中提取信息，正如这里所展示的，这让我们为下一步的应用和模型系统做好了准备
" 该团队已经通过新论文的补充信息部分公开了本研究中使用的机器学习程序的源代码
陈说:“我们认为，让其他研究人员也能获得这一代码，可以使整个纳米材料研究界受益。”
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
