近日，上海大学材料基因组工程研究院在《美国化学学会杂志》（JACS）上发表了一项重要研究成果，揭示了深度学习技术在材料微纳结构成像技术中的创新应用。
该研究团队聚焦于扫描隧道显微镜（STM）技术，这一工具在纳米科技和表面科学中具有重要作用，但其操作长期依赖人工，效率低下。为解决这一难题，研究团队开发了自主化STM系统，实现了无人干预下的长时间、高精度单分子分辨率成像。
该自主系统通过卷积神经网络评估图像质量，利用语义分割和自我更新的强化学习网络实时优化探针状态，并通过目标识别算法自动分析实验参数，如表面分子组成。实验表明，该系统能在液氮温度下连续48小时无人工干预地进行自主表征，表征区域达到约1.9平方微米，展示了其高效性和鲁棒性。
这一研究成果不仅推动了高分辨率材料成像设备的自动化与智能化进程，还为纳米材料的智能化探索和利用人工智能技术促进表面科学研究提供了新的思路。
