A versatile generalized digital twin for Electron Microscopy

想象一下，你正试图在一座巨大的、高科技的城市中穿行，那里的每一块路标都消失了，交通信号灯根据某种秘密代码变换颜色，甚至连建筑本身都会根据你观察的角度而拉伸或收缩。这就是科学家使用电子显微镜时的日常现实。这些可不是普通的放大镜；它们是庞大且复杂的机器，利用被称为电子的微小粒子束来观察比原子还要小的物体。为了让这些机器运转起来，科学家必须扭转和调整数十个磁性“透镜”来引导电子束，就像指挥家引导管弦乐队一样。但问题在于：没有人真正确切地知道这些透镜在机器内部的具体位置，或者在任何给定时刻它们的强度是多少。这就像是在不知道电台频率的情况下，试图通过猜测频道号来调频收听音乐。由于缺乏清晰的地图，为新的、令人兴奋的实验设置显微镜变成了一场缓慢且令人沮ся的试错游戏。

这正是来自橡树岭国家实验室（Oak Ridge National Laboratory）的一个研究小组介入并提供巧妙解决方案的地方：一个“数字孪生”（digital twin）。把它想象成一个关于真实显微镜的视频游戏模拟。正如飞行模拟器让飞行员在从未离开地面之前就能练习降落飞机一样，这款软件让科学家可以先在计算机上模拟显微镜的设置。他们构建了一个模型，追踪电子束从起点到终点的整个旅程，计算它在经过透镜、孔径和棱镜时是如何弯曲和旋转的。通过将他们的模拟结果与真实机器进行对比，他们弄清楚了如何将显微镜使用的那些令人困惑的“百分比”和电流值，转化为实际的物理距离和强度。结果是：一个能够预测如何设置透镜以获得完美图像或特定数据的工具，将一场猜谜游戏变成了一门精确的科学。

虚拟镜像

这项工作的核心是为电子显微镜创建一个通用的“数字孪生”。简单来说，作者编写了一个计算机程序，它充当了真实显微镜的一个完美的、基于物理学的镜像。科学家们不再需要通过物理性地转动旋钮并祈祷好运，现在可以使用这款软件来模拟整个电子束的路径。该程序使用一种称为“射线光学”（ray optics）的方法，将电子束视为穿过一系列透镜和空白空间的连续光线流。它追踪电子束经过不同部件时的路径、大小以及旋转程度。

论文解释说，虽然模拟显微镜的基本想法并不新鲜，但他们的方法之所以特别，是因为它是“多功能”且“通用”的。这意味着该软件并不局限于某一个特定的显微镜品牌或型号；它可以被适配到许多不同的机器上。作者首先开发了一个“玩具模型”（toy model）——一个捕捉了电子束主要行为（如聚焦或旋转）的简化版本。然而，仅有玩具模型是不够进行真正的科学研究的。为了使其具有实用价值，他们必须对其进行“校准”。这是一个教导计算机如何精确表现真实显微镜行为的过程。他们通过进行测试来实现这一点：改变透镜设置并观察电子束如何响应，然后不断调整软件，直到模拟结果与现实世界的结果完全吻合。

绘制不可见之图

论文解决的最大挑战之一是显微镜内部位置的神秘感。作者指出，透镜的确切位置和“交汇点”（即电子束缩减为极小点的点）通常没有得到良好的记录。他们的数字孪生通过一个聪明的技巧解决了这个问题。他们意识到，如果你调节一个透镜而电子束的大小没有变化，这意味着该透镜正好聚焦在下一个透镜或机器中的某个特定点上。通过寻找这些对变化不敏感的“甜点”（sweet spots），他们可以从数学上推算出透镜之间的精确距离以及磁场的强度。

他们还弄清楚了如何测量电子束的旋转程度。当电子穿过圆柱形透镜时，它们会像软木塞一样旋转。作者发现，通过观察样本（如蕾丝状碳网格）的离焦图像，并观察随着改变透镜强度时图案如何旋转，就可以高精度地计算出旋转角度。这至关重要，因为如果你想拍摄晶体结构的照片，你需要准确知道图像是如何旋转的，以便正确解读它。

实战检验

论文并未止步于构建模型，而是将其投入到了实际场景中。他们利用数字孪生为显微镜设置了新的“模式”，即针对不同类型实验设计的特定配置。

例如，他们想要为一种称为 4D-STEM 的技术寻找完美设置，该技术要求电子束以非常特定的角度击中样本。利用他们的模型，他们计算出了获得该角度所需的精确透镜电流。当他们在真实显微镜上尝试这些设置时，结果与预测非常接近，在某些情况下误差仅为 0.4% 到 1%。这种微小的误差会导致焦点轻微模糊，但这证明了模型的准确性足以作为一个可靠的指南。

他们还利用这个“孪生体”来设置“动量分辨电子能量损失谱”（momentum-resolved EELS），这是一种复杂的实验，用于测量电子在穿过材料时损失的能量。这需要一个非常特定的设置：电子束必须聚焦在一个狭窄的狭缝上，并且电子衍射图样的图像必须经过旋转和缩放，以完美匹配该狭缝。作者使用他们的软件计算了必要的透镜值，旋转了图像以对齐狭缝，并调整了放大倍率。结果是一次成功的实验，如果没有这个数字孪生，设置过程将会困难得多。

为什么这很重要

作者认为，这项工作是迈向自动化显微镜未来的垫脚石。随着人工智能（AI）和机器学习在科学领域变得越来越普遍，拥有像这样具有“物理启发性”的模型（即数字孪生）是非常有价值的。AI 需要数据来学习，而数字孪生可以通过瞬间模拟数百万种不同的显微镜设置来生成这些数据。这可能导致显微镜能够自动修复自身、为新实验寻找最佳设置，甚至在不需要人类干预的情况下排除故障。

论文总结道，尽管他们的模型是一个强大的工具，但它并不是一根魔杖。它依赖于用户进行初始校准并理解机器的极限。然而，通过将显微镜转变为一个可预测、可计算的系统，他们使得科学家能够满怀信心地探索成像和光谱学的新前沿。不再是靠猜，现在他们可以做到知晓。