XiaoMi-AI文件搜索系统
World File Search System电子显微镜
通过透射电子显微镜的原位加热-冷却实验深入了解不锈钢增材制造过程中沉淀物的演变
在合金的增材制造过程中，在局部热与物质相互作用后，熔融材料会迅速凝固。然后，在剩余的构建时间内，它会在固态下经历冷却/加热循环，即固态热循环。固态热循环期间产生的热机械力可以触发大量微观机制，从而带来显著的微观结构变化，决定最终成品部件的机械性能。在这项工作中，我们的目标是利用透射电子显微镜深入了解固态热循环驱动的奥氏体不锈钢中亚微米级沉淀物的演变。为此，从预制样品中提取薄膜薄片，并在透射电子显微镜内进行不同的原位固态热循环。固态热循环旨在了解温度幅度和速率、热循环次数和类型以及后处理退火对沉淀物演变的影响。每次热循环前后的高角度环形暗场成像和能量色散 X 射线光谱可深入了解不同热循环因素对沉淀物成分、尺寸和形态演变的贡献。常见趋势包括 Mn 和 Si 从富含 Mn-Si 的氧化物扩散到周围基质中，Cr 环在氧化物沉淀物周围形成，S 在非氧化物沉淀物中重新分布。在 (Upadhyay et al., Sci. Rep. 11 (2021) 10393) 中研究的原样样品中也发现了类似的 Cr 环和 S 分布，这有力地支持了这些结果相对于增材制造过程中发生的情况的代表性。
使用先进的深层激光扫描技术对增材制造的 Ti6Al4V 扫描电子显微镜图像进行实时数据驱动的微观结构缺陷检测
由于缺乏全面的数据集和缺陷类型的多样性，自动检测增材制造的 Ti6Al4V 材料中的微观结构缺陷面临巨大挑战。本研究介绍了一种应对这些挑战的新方法，即开发专门针对扫描电子显微镜 (SEM) 图像的微观结构缺陷数据集 (MDD)。我们使用此数据集训练和评估了多个 YOLOv8 模型（YOLOv8n、YOLOv8s、YOLOv8m、YOLOv8l 和 YOLOv8x），以评估它们在检测各种缺陷方面的有效性。主要结果表明，YOLOv8m 在精度和召回率之间实现了平衡，使其适用于可靠地识别各种缺陷类型中的缺陷。另一方面，YOLOv8s 在效率和速度方面表现出色，尤其是在检测“孔隙”缺陷方面。该研究还强调了 YOLOv8n 在检测特定缺陷类型方面的局限性以及与 YOLOv8l 和 YOLOv8x 相关的计算挑战。我们的方法和发现有助于科学地理解增材制造中的自动缺陷检测。MDD 的开发和 YOLOv8 模型的比较评估通过提供检测微结构缺陷的强大框架来推进知识水平。未来的研究应侧重于扩展数据集和探索先进的 AI 技术，以提高检测准确性和模型泛化能力。
智能分辨率：将低温电子显微镜与人工智能驱动的多分辨率模拟相结合，以观察 SARS-CoV-2 复制-转录机制的运作
严重急性呼吸综合征冠状病毒 2 (SARS-CoV-2) 复制转录复合物 (RTC) 是一种多结构域蛋白，负责在人体细胞内复制和转录病毒 mRNA。用药物化合物攻击 RTC 功能是治疗 COVID-19 的途径。传统工具，例如低温电子显微镜和全原子分子动力学 (AAMD)，无法提供足够高的分辨率或时间尺度来捕捉这种分子机器的重要动态。因此，我们开发了一种创新的工作流程来弥合这些分辨率之间的差距，使用中尺度波动有限元分析 (FFEA) 连续模拟和 AI 方法层次结构，不断学习和推断特征以保持 AAMD 和 FFEA 模拟之间的一致性。我们利用多站点分布式工作流管理器来协调 AI、FFEA 和 AAMD 作业，从而实现 HPC 中心间资源的最佳利用。我们的研究提供了前所未有的途径来研究 SARS-CoV-2 RTC 机制，同时为大规模支持 AI 的多分辨率模拟提供了通用能力。
开发集成原位扫描电子显微镜的多功能纳米压痕仪 - 应用于监测压电响应和机电故障
F. Volpi、C. Boujrouf、M. Rusinowicz、S. Comby-Dassonneville、F. Mercier 等人。集成原位扫描电子显微镜的多功能纳米压痕仪的开发 - 应用于监测压电响应和机电故障。《薄膜固体》，2021 年，735，第 138891 页。�10.1016/j.tsf.2021.138891�。�hal-03428537�
人工智能在冷冻电镜中从头分子结构建模方面的进展
低温电子显微镜（cryo-EM）已成为确定大型蛋白质复合物和分子组装体结构的主要实验技术，2017 年的诺贝尔奖就是明证。尽管低温电子显微镜已得到极大改进，可以生成包含大分子详细结构信息的高分辨率三维（3D）图谱，但利用这些数据自动构建结构模型的计算方法却远远落后。传统的低温电子显微镜模型构建方法是基于模板的同源性建模。当数据库中找不到模板模型时，手动从头建模非常耗时。近年来，使用机器学习（ML）和深度学习（DL）的从头低温电子显微镜建模已成为大分子结构建模中表现最好的方法之一。基于深度学习的从头低温电子显微镜建模是人工智能的重要应用，其成果令人印象深刻，对下一代分子生物医学具有巨大潜力。因此，我们系统地回顾了具有代表性的基于 ML/DL 的从头低温电子显微镜建模方法。并从实践和方法论的角度讨论了它们的意义。我们还简要介绍了低温电子显微镜数据处理工作流程的背景。总体而言，本综述为从头分子结构建模的人工智能 (AI) 现代研究以及这一新兴领域的未来方向提供了入门指南。
本摘要由 UT-Battelle, LLC 撰写，合同编号为 DE-AC05-00OR22725，与美国能源部签订。美国政府
开发用于储能和转换的下一代材料对于实现全球脱碳目标至关重要，而要加速这一发展，则需要深入了解这些材料在广泛长度尺度上的结构、化学和电子特性。扫描电子显微镜 (SEM) 和（扫描）透射电子显微镜 ((S)TEM) 等电子显微镜技术能够测量从埃到毫米长度尺度上的这些特性 [1]。此外，当与聚焦离子束 (FIB) 铣削相结合时，这些技术可以提取材料表面以下或设备内部区域的信息 [1]。由于这种独特的功能组合，电子显微镜已被证明是一种强大而多功能的材料样品表征工具。尽管具有这些优势，但传统电子显微镜通常仅限于在真空中稳定且在高能电子束下不易降解的固体材料。然而，许多用于下一代能源转换和存储设备的材料都是对光束敏感的、具有反应性的（例如与空气反应）或在低压下易挥发，因此需要进一步的技术进步才能通过电子显微镜进行表征。
证明。 nn dasgupta-游泳 - 米兰
niraj nath das Gupta获得了伦敦大学的博士学位（1938年），并从Kalyani大学获得了DSC学位，并专门研究生物物理学，生物医学科学和电子显微镜。他最初在加尔各答大学（1969 - 74年）和加尔各答大学电子显微镜中心（1974-80）的负责人（1974 - 80年）任职，然后成为加尔各答核物理学研究所的教授兼主管，加尔各答核物理学院（1951-69）。在1940年代，专家声称的水平型传输电子显微镜在亚洲首次在亚洲建造的电子显微镜在萨哈核物理学院（SINP）展出。该设备是由N.N.教授领导的一组科学家组成的两年（1946年至1948年）。dasgupta，与SINP和加尔各答大学相关的著名生物物理学家。
深入了解ZRO2分布和机械...
使用扫描电子显微镜（SEM，JSM-6700 F，JEOL，日本）对微结构进行表征。取向关系是用电子背部散射衍射（EBSD，Nordlysno，英国牛津郡）确定的。配备了能量分散X射线光谱（EDS）分析单元的300 kV传输电子显微镜（TEM，FEI TALOS F300C，U）用于高分辨率传输电子显微镜（HRTEM）观察和EDS元素分析。2.3机械性能测试
MSE 598/PHY 598/PHY 494 (23663/22794/22795/26121) 高级扫描电子显微镜和 X 射线微分析
课程描述 本课程专为具有材料科学与工程、物理学、地球科学、化学、生命科学或相关领域背景的学生而设计。本课程专门为以下学生设计：a) 学习 SEM 成像、衍射和光谱学的基本原理；b) 了解电子-样本相互作用、信号产生和检测；c) 正确解释各种类型的图像和相关的 X 射线光谱和衍射图案；d) 掌握适当的技能来解决实际材料的各种图像和微分析问题。本课程的学习成果包括 i) 理解关键概念和基本原理，ii) 正确选择适当的电子束参数（例如电压、电流、探针尺寸和焦深）以研究不同类型的材料（例如导体、半导体、绝缘体或聚合物），以及 iii) 了解如何消除图像、光谱和衍射图案中的伪影。希望学生专注于解决问题的技能，并熟练地利用现代 SEM 来解决具有挑战性的材料研究问题和产品开发问题。课程内容 本课程首先介绍电子束-样品相互作用，以及此类相互作用如何产生不同类型的有用信号，这些信号携带样品特定信息（形态、结构、元素分布等）。然后将广泛讨论影响各种类型电子探针形成的参数（例如高分辨率成像与微分析）。接下来将讨论不同类型的电子和X射线探测器以及如何使用这些探测器形成可解释的图像和/或光谱。在学期的第一部分，重点是理解探针形成和图像解释的基本原理，重点是如何为特定类型的样品选择合适的电子光学参数。在学期的第二部分，我们将讨论通过X射线对异质样品进行定性和定量成分分析、通过电子背散射衍射（EBSD）图案获取晶体材料的结构信息，以及如何使用低电压（低至数十伏）或可变压力SEM对非导电或湿样品进行成像。将讨论双光束 FIB-SEM（电子和聚焦离子束）显微镜和现代 SEM 中的原子分辨率成像。讲座时间：周一/周三下午 12:00-1:15；地点：CVAC 333（和 ASU Online）；讲师：Jingyue (Jimmy) Liu 博士（https://isearch.asu.edu/profile/1816322）；办公室：PSF 432A；电子邮件：jliu152@asu.edu。
报告摘要
PXD037708。质谱蛋白质组学和 NTA 数据集的数据分析以及描述归纳策略的补充图表可在 https://github.com/duff-lab-team/AD-EV-characterisation 上访问。人类蛋白质组可从通用蛋白质资源 (UniProt) 获得，登录号为 UP000005640。图 3a 中显示的断层图像已存入电子显微镜数据库 (EMDB)，登录号为 16064。单粒子低温电子显微镜数据集已存入电子显微镜公共图像档案 (EMPIAR)，登录号如下：EV 数据集为 11300，细胞数据集为 11301。单粒子低温电子显微镜图谱已存入 EMDB，登录号如下：EV 图谱为 16035，细胞图谱为 16039。原子模型已存入蛋白质数据库 (PDB)，登录号如下：EV 模型为 8BGS，细胞模型为 8BGV。任何其他数据均可向相应作者索取。