今日动态 返回首页
会员注册 登录 生物通快讯免费订阅
  • 首页 今日动态 人才市场 新技术专栏 中国科学人 云展台
    BioHot
    • 定制我的BioHot
    • 进入我的BioHot
    • 进入我的集采
    • 肿瘤癌症研究
    • 免疫/基因/细胞疗法
    • 神经生物学
    • 健康与疾病
    • 衰老机制与长寿
    • 单细胞技术
    • 基因编辑-CRISPR
    • RNA研究
    • 肠道菌与人体微生态
    • 细胞代谢
    • AI生物信息学
    • COVID
    云讲堂直播 会展中心 特价专栏 技术快讯 免费试用

  • 生物通官微
    陪你抓住生命科技
    跳动的脉搏

生物通首页  >  今日动态  >  正文

利用卷积神经网络从电子衍射图谱中确定电池材料的晶粒取向

《npj Computational Materials》:Determining the grain orientations of battery materials from electron diffraction patterns using convolutional neural networks

【字体: 大 中 小 】 时间:2026年03月01日 来源:npj Computational Materials 13.1

编辑推荐:

  摘要多晶材料因其独特的性质而具有广泛的应用,而这些性质往往取决于晶粒的取向关系。因此,对晶粒及界面取向进行定量表征对于优化这些材料至关重要,尤其是能源材料。利用扫描透射电子显微镜(TEM),可以通过每个扫描点处的电子衍射图样,在极细的扫描网格中对材料进行分析。通过将衍射图样与模拟

  

摘要

多晶材料因其独特的性质而具有广泛的应用,而这些性质往往取决于晶粒的取向关系。因此,对晶粒及界面取向进行定量表征对于优化这些材料至关重要,尤其是能源材料。利用扫描透射电子显微镜(TEM),可以通过每个扫描点处的电子衍射图样,在极细的扫描网格中对材料进行分析。通过将衍射图样与模拟数据库匹配,可以确定每个扫描点处晶粒的晶体取向。在本研究中,我们利用锂离子电池中重要的正极活性材料LiNiO2的动态模拟衍射图样来训练卷积神经网络,从而预测整个基本取向区域内的晶粒取向,以三个欧拉角表示。实验结果表明,这类网络的准确性和效率均优于传统的图样匹配算法。其优势在于这些模型是通过包含动态效应的数据进行训练的。本研究旨在应用深度学习技术分析TEM数据,以确定晶粒取向,同时展现机器学习在加速电子显微镜数据分析方面的巨大潜力,进而实现高效的分析技术。

相关新闻
生物通微信公众号
生物通新浪微博
微信
新浪微博
我要投稿
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热搜:多晶材料|晶粒取向|能量材料|卷积神经网络|动态模拟|深度学习

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号