深度学习！用一台TEM，发Science！

本研究由纽约大学的Carlos Fernandez-Granda教授团队及亚利桑那州立大学的Peter A. Crozier等研究者共同完成，发表在Science期刊上。研究背景聚焦于纳米颗粒表面结构的动态性，这种特性在催化等领域具有重要应用。研究目的在于通过高时间分辨率和高空间分辨率条件下探测纳米颗粒的表面结构动态性。研究团队提出了一种基于深度学习的无监督去噪框架，利用透射电子显微镜（TEM）数据处理，实现了对金属纳米颗粒表面结构的高分辨率成像。研究结论表明，该方法显著提高了TEM图像的信噪比，成功获取了纳米颗粒表面在气体环境下的原子级动态演化过程，为深入理解纳米材料的动态结构演化提供了新的实验手段，并为优化催化材料的设计提供了重要的科学依据。