Unsupervised segmentation and clustering workflow for efficient processing of 4D-STEM and 5D-STEM data
Die vorgestellte Arbeit stellt einen unüberwachten Clustering-Workflow vor, der mittels lokaler Ähnlichkeit von Beugungsmustern kristallographisch unterschiedliche Domänen in 4D- und 5D-STEM-Daten identifiziert, um durch komprimierte, clusterbasierte Mittelwerte eine effiziente und physikalisch sinnvolle Analyse von Struktur, Orientierung und Spannung zu ermöglichen.