XiaoMi-AI文件搜索系统
World File Search System电子显微镜
通过计算鬼影成像提高透射电子显微镜的分辨率
我们使用数值模拟来演示与 Cs 校正 STEM 成像相当的分辨率，方法是使用调制器在未校正的仪器上执行 CGI（图1b-g）。我们模拟了 MoS 2 扭曲双层的 CGI 实验（图1b），其中两个 MoS 2 单层以 7° 角堆叠在一起。这样的样本提供了几乎连续的原子间距离范围，并且已被证明可用于估计成像技术的分辨率 [37]。我们假设一台 300 kV 显微镜，其 Cs = 2.7mm，在 Scherzer 条件下，需要使用小孔径（𝛼= 7.3 𝑚𝑟𝑎𝑑 ），将分辨率限制为 1.63 Å，如图所示。1d。相反，CGI 允许使用更大的数值孔径，从而实现更高的分辨率。在图中。1f-g 我们展示了使用 2𝛼 会聚半角计算的 CGI 重建，尽管存在像差，但仍提供 0.64 Å 的分辨率。该值与具有相同半会聚角的无像差成像系统的分辨率相当。事实上，只要能够预测照明模式，就可以使用任意大的半会聚角。准确的探测预测对于未来的实验实现至关重要，如补充材料 [38] 中所述。一个限制因素是相干性 [38]，其阻尼包络定义了传输到结构化照明的最高频率 [39,40]。
通过电子显微镜探索 MXenes 及其 MAX 相前体
本综述赞扬了电子显微镜方法的广度和深度，以及这些方法如何推动了对 MXenes 的大规模研究。MXenes 是二维材料中一个强大的新成员，源自其母体纳米层状材料家族，即 MAX 相。由于其丰富的化学性质，MXenes 表现出了彻底改变一系列应用的特性，包括储能、电磁干扰屏蔽、水过滤、传感器和催化。与电子显微镜相比，很少有其他方法在 MXene 研究和相应应用的开发中更为重要，电子显微镜可以在原子尺度上进行结构和化学识别。下面，将介绍已应用于 MXene 和 MAX 相前体研究的电子显微镜方法以及研究示例，并讨论其优点和挑战。© 2020 作者。由 Elsevier Ltd. 出版。这是一篇根据 CC BY 许可 ( http://creativecommons.org/licenses/by/4.0/ ) 的开放获取文章。
为您的机构做好迎接低温电子显微镜未来的准备
欧洲研究委员会 (ERC) 资助 来自世界各地的首席研究员均可申请 ERC 资助，他们希望与欧盟成员国或某个联系国的主办机构合作开展项目。ERC 为希望建立或巩固自己独立研究团队或项目的优秀研究人员以及已经成名的研究领导者提供资金。ERC 为启动、巩固和高级资助提供灵活的长期资助，资助期限最长为 5 年，为协同资助提供最长为 6 年的资助。
lih的形成及其对低温电子显微镜揭示的LI电池的影响
对进化氢如何影响LI电池的循环知之甚少。假设包括Lih的固体电解质中（SEI）和树突生长中的LIH的形成。在这里，我们发现LI电池中的Lih形成可能遵循不同的途径：循环过程中的氢会反应于Nucleate并在已经沉积的Li Metal中生长Lih，从而消耗活跃的Li。我们提供了以下证据，表明在李比特里（Li Bateries）中形成的lih从当前收集器中电动LI降低电池容量。我们在石墨和硅阳极上也检测到Li Metal和Lih的共同存在，表明LIH在大多数Li电池阳极化学中形成。最后，我们发现LIH具有自己的SEI层，在化学和结构上与Li Metal上的SEI不同。我们的结果突出了LIH的形成机制和化学起源，为如何防止其形成提供了重要的见解。
使用倾斜校正的透射透射电子显微镜，用于厚样品的剂量效率的冷冻电子显微镜，在细胞和单个颗粒上证明
该预印本版的版权持有人于2024年8月15日发布。 https://doi.org/10.1101/2024.04.22.590491 doi：Biorxiv Preprint
低温电子显微镜结构揭示了 H+/柠檬酸同向转运......
果蝇“我还没死”（INDY）是一种跨质膜的柠檬酸转运蛋白，柠檬酸是柠檬酸循环中的关键代谢物。INDY 的部分缺乏会延长寿命，类似于热量限制的效果。在这项工作中，我们使用低温电子显微镜在 2.7 至 3.6 ˚A 的分辨率范围内确定有和没有柠檬酸的情况下以及与著名抑制剂 4,4 9 -二异硫氰基-2,2 9 -二磺酸二苯乙烯 (DIDS) 复合时的 INDY 结构。结合体外获得的功能数据，INDY 结构揭示了 H + /柠檬酸共转运机制，其中芳香族残基 F119 充当单门元件。它们还提供了有关二聚化界面处的蛋白质 - 脂质相互作用如何影响转运蛋白的稳定性和功能，以及 DIDS 如何破坏转运循环的见解。
CleftNet：通过脑电子显微镜检测突触裂隙的增强深度学习
摘要 — 检测突触裂隙是研究突触生物功能的关键步骤。体积电子显微镜 (EM) 通过拍摄高分辨率和精细细节的 EM 图像来识别突触裂隙。机器学习方法已被用于从 EM 图像中自动预测突触裂隙。在这项工作中，我们提出了一种新颖的增强深度学习模型，称为 CleftNet，用于改进从大脑 EM 图像中检测突触裂隙。我们首先提出了两个新的网络组件，称为特征增强器和标签增强器，用于增强特征和标签以改进裂隙表示。特征增强器可以融合来自输入的全局信息并学习裂隙中的常见形态模式，从而增强裂隙特征。此外，它可以生成具有不同维度的输出，使其可以灵活地集成到任何深度网络中。所提出的标签增强器将每个体素的标签从一个值增强为一个向量，该向量包含分割标签和边界标签。这使网络能够学习重要的形状信息并生成更具信息量的裂隙表示。基于所提出的特征增强器和标签增强器，我们将 CleftNet 构建为类似 U-Net 的网络。我们的方法的有效性在在线和离线任务上均进行了评估。我们的 CleftNet 目前在 CREMI 公开挑战的在线任务中排名第一。此外，离线任务中的定量和定性结果都表明我们的方法明显优于基线方法。
扫描透射电子显微镜用于铁性材料的高级表征
摘要 扫描透射电子显微镜 (STEM) 技术在过去二十年中取得了重大进步。像差校正技术、超高能量分辨率单色仪和最先进的探测器/相机的进步使 STEM 成为从微观到原子尺度研究材料化学和结构的重要工具。这种表征技术对于理解和表征下一代先进材料中铁性材料特性的起源非常有价值。工程材料的许多独特性质，例如铁电性、压电性和铁磁性，都与其原子级组成和结构密切相关。STEM 能够直接观察这些结构特征，从而与宏观特性建立联系。从这个角度来看，我们概述了先进的 STEM 技术在研究铁性材料特性起源中的应用，并讨论了进一步利用 STEM 技术的潜在机会。
环境海洋微生物的靶向体积相关光和电子显微镜
。cc-by-nc-nd 4.0国际许可证。根据作者/资助者提供了预印本（未经同行评审的认证）提供的，他已授予Biorxiv的许可证，以在2023年1月28日发布的此版本中显示此版本的版权持有人。 https://doi.org/10.1101/2023.01.27.525698 doi：biorxiv preprint
通过扫描电子显微镜检查的砂岩岩石的纹理依赖性热性能
沉积岩被广泛用作地质储层，并用作地理能源系统的宿主岩石。沉积岩的热性能，例如热有导度，热扩散率和体积特异性热量，在适合这些应用中起着至关重要的作用。这项研究使用扫描电子显微镜（SEM）分析研究了30种不同的砂岩样品的热性能。比较具有不同热性能的岩石样品的SEM图像，以分析纹理特性如何影响热性能。我们的结果表明，沉积岩的热性能高度取决于其质地。特别是，我们发现具有较高粗糙度的岩石倾向于表现出较低的导热率和热扩散率。毛孔和裂缝的存在影响了砂岩岩石检查的热特性。从图像中提取的平均表面粗糙度显示出强大的负电导率和扩散率（分别为−0.59和-0.6），而实验得出的是，由于其复合效应对热传递的效果可能会导致孔，裂纹和空隙区域的阴性负相关（-0.18和 - 0.17）的显而易见的负相关性（-0.18和 - 0.17）。空隙的大小，形状和分布会影响传热，互连的空隙为热流提供网络，而较小的空隙更有效地捕获热量。沉积岩的质地在确定其热性能中起着至关重要的作用。[doi：10.1115/1.4064030]该知识可用于优化对应用中砂岩储层的潜力的理解，例如地热能或热能存储。