Unsupervised segmentation and clustering workflow for efficient processing of 4D-STEM and 5D-STEM data
Deze paper introduceert een onbeheerd werkstroom voor clustering en segmentatie van 4D- en 5D-STEM-data die kristallografisch verschillende domeinen identificeert op basis van lokale diffractiepatroon-相似heid, waardoor data-aanvullende compressie en snelle, nauwkeurige mapping van oriëntatie, fase en spanning mogelijk worden, zoals gedemonstreerd bij de groei van goudnanodeeltjes.