Big–deep–smartdata in imaging for guiding materials design

Sergei V. Kalinin,Bobby G. Sumpter and Richard K. Archibald

Nature materials,Progress article. 2015

管理迄今最佳的圖像大數(shù)據(jù)、深度數(shù)據(jù)和智能數(shù)據(jù)能夠加速先進(jìn)功能材料的設(shè)計(jì)和應(yīng)用。在本文中我們討論了利用圖像大數(shù)據(jù)及其分析方法在材料設(shè)計(jì)中的新的機(jī)遇，也包括了它們的局限性，在材料中的實(shí)際效益。我們特別關(guān)注這些工具是如何幫助我們挖掘新的發(fā)現(xiàn)。這些方法特別適合用于探索原子成像、建模和其數(shù)據(jù)分析方法的持續(xù)改進(jìn)。

圖1：理解材料結(jié)構(gòu)和功能的橋接理論和圖像。

圖2：圖像分析中的大數(shù)據(jù)。原子分辨成像和光譜的大數(shù)據(jù)和圖像分析開(kāi)辟了一條從結(jié)構(gòu)圖中系統(tǒng)提取空間分布信息、相關(guān)光譜成像和可視化的通道，最終獲得每個(gè)空間位置的結(jié)構(gòu)和功能數(shù)據(jù)。

圖3：深度數(shù)據(jù)方法支持科學(xué)家建立或改進(jìn)理論、模擬和試驗(yàn)之間的連接，包括從理論上填充缺失的實(shí)驗(yàn)特性，通過(guò)理論預(yù)測(cè)去噪或消除異常值，建立通過(guò)晶粒粗化、參數(shù)空間壓縮和機(jī)器學(xué)習(xí)方法測(cè)量和模擬微觀描述符來(lái)確定宏觀性能的方法。

圖4：設(shè)想的一種材料發(fā)現(xiàn)的智能數(shù)據(jù)方法。這是專家與實(shí)驗(yàn)儀器之間的主動(dòng)反饋(i)，為自動(dòng)專家系統(tǒng)的提供訓(xùn)練輸入(ii)，隨后自動(dòng)進(jìn)行數(shù)據(jù)解釋(iii)。該系統(tǒng)還可以通過(guò)引用網(wǎng)絡(luò)和語(yǔ)義文本內(nèi)容的相關(guān)分析和隨后的知識(shí)集成來(lái)探索現(xiàn)存分析中包含的信息。

   隱石檢測(cè)擁有一批在業(yè)內(nèi)取得顯著成就的專業(yè)技術(shù)人員，在行業(yè)內(nèi)有著豐富的檢測(cè)經(jīng)驗(yàn)。秉承著專注、專業(yè)、高效、想客戶所想的理念，公司積極增加項(xiàng)目和完善更先進(jìn)的測(cè)試儀器設(shè)備，保障每一個(gè)檢測(cè)，分析，研發(fā)任務(wù)優(yōu)質(zhì)高效的完成。同時(shí)通過(guò)專業(yè)所長(zhǎng),為全球數(shù)萬(wàn)家優(yōu)質(zhì)客戶提供最及時(shí)的行業(yè)技術(shù)標(biāo)準(zhǔn)信息，和更高精尖的分析檢測(cè)解決方案。

　　隱石檢測(cè)分別成立了閥門實(shí)驗(yàn)室，腐蝕實(shí)驗(yàn)室，金相實(shí)驗(yàn)室，力學(xué)實(shí)驗(yàn)室，無(wú)損實(shí)驗(yàn)室，耐候老化實(shí)驗(yàn)室。從事常壓儲(chǔ)罐檢測(cè)，鍋爐能效檢測(cè)，金屬腐蝕檢測(cè)，應(yīng)力應(yīng)變檢測(cè)，無(wú)損探傷檢測(cè)，機(jī)械設(shè)備檢測(cè)，金相分析，石墨烯納米材料檢測(cè)，水質(zhì)檢測(cè)，油品檢測(cè)涉及的服務(wù)范圍已廣泛覆蓋到鋼鐵材料，有色金屬材料，石油化工設(shè)備，通用機(jī)械設(shè)備，冶金礦石，建筑工程材料、航空航天材料，高鐵船舶材料，汽車用零部件、非金屬材料，電子電工產(chǎn)品等各個(gè)領(lǐng)域，并獲得了CMA和CNAS;雙重認(rèn)可。