STEM-Bank-26: An Open Dataset of Analytical Scanning Transmission Electron Microscopy Images and Spectra
本文介绍了 STEM-Bank-26，这是迄今为止规模最大的开放获取数据集，包含来自 1,499 个实验阶段、1,095 个材料样本的 37,921 幅分析型扫描透射电子显微镜图像及光谱，并提供了用于提取元数据和构建类似存档数据集的工具。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在材料科学这个不可见的微观世界里，研究人员需要观察那些肉眼看不见、标准显微镜看不清、甚至连人类大脑都难以轻易理解的微小结构。为了研究这些微小的结构，科学家们使用了一种强大的工具，叫做扫描透射电子显微镜（STEM）。想象一下，一束由亚原子粒子组成的电子束被射向一个极薄的样品，薄到电子可以穿透它。随着电子束扫描材料，它与原子发生相互作用，从而创建出样品内部结构的详细图像。然而，仅仅看到形状只是故事的一半。要真正了解一种材料，科学家还需要知道它的成分以及原子的行为方式。这就是能谱分析（spectroscopy）发挥作用的地方。通过分析电子在撞击样品时损失的能量或其发射的 X 射线，研究人员可以识别出存在的特定元素，甚至确定其化学状态。这种高分辨率成像与化学分析的结合，对于开发更好的电池、更高效的催剂以及先进的电子设备至关重要。然而，由于训练计算机所需的数据往往是零散的、不完整的，或者被锁在私有档案库中，教计算机执行这些复杂任务一直以来都非常困难。
宾夕法尼亚大学的一个研究小组现在通过发布一个大规模的此类开放数据集，改变了这一局面。他们汇集了一个名为 STEM-Bank-26 的数据集，其中包含近 38,000 幅图像和数千个能谱测量值，这些数据是在五年间收集而成的。这个集合不仅仅是随机的照片堆砌；它是一个记录了科学家实际工作方式的结构化记录。该数据集包括从 1,095 种不同材料样品中获取的 37,921 幅图像，涵盖了 1,499 次独立的实验过程。在超过三分之二的实验过程中，研究人员还捕捉到了能谱数据，从而为材料提供了物理结构与化学组成完整的图景。该集合的总容量为 929 GB，这一信息量使其成为目前公开可用的、整合了成像技术与能量色散能谱（EDS）及电子能量损失谱（EELS）的最大同类数据集。
这项工作的真正价值不仅在于文件的数量之多，更在于研究人员如何通过组织这些数据来揭示科学背后的“人类决策过程”。电子显微镜并不是一个完全自动化的过程；它需要一名熟练的操作员去观察样品，决定哪个区域是有趣的，调整显微镜设置，然后选择在那个特定点采集化学数据。这一系列决策构成了一条“轨迹”（trajectory），即一条从概览到详细分析的行为路径。由于这些决策很少被记录在单个文件中，研究团队开发了一种方法，通过对比元数据（即记录时间、位置和设置的数字标签）来重建这些路径。通过分析图像之间的间隔，他们可以推断出操作员何时移动了样品到新位置，或者何时停下来进行思考，从而有效地将静态的文件档案转变为动态的科学探索记录。
这种重建使得该数据集能够作为人工智能的训练场。过去，构建能够操作这些显微镜的“AI 科学家”的努力因缺乏展示人类如何探索和适应新信息的资料而停滞不前。现有的数据集通常要么只有图像，要么只有能谱，缺少两者之间的关键联系。这个新集合填补了这一空白，它提供了一个现实的视角，展示了科学家如何从对样品的广泛调查转向对特定特征的深入分析。数据显示，大多数实验过程涉及 10 到 100 幅图像，其中很大一部分包含化学映射。样品本身具有多样性，从用于化学反应的异质催化剂到锂离子电池组件，为机器学习模型提供了广泛的学习基础。
研究人员还解决了通常阻碍大型数据集共享的物流挑战。显微镜的使用时间非常昂贵，生成的图像文件往往太大而无法全文发表，导致科学家通常只能分享少量具有代表性的图像。这项新工作证明，在不让科学界负担过重的情况下，分享整个存档是可能的。团队提供了工具和脚本，允许其他研究人员轻松地将自己的存档数据转换为类似的轨迹数据集，从而鼓励显微镜领域改变分享研究成果的方式。通过以开放许可协议发布这些数据，作者希望加速自主材料研究的发展，即让智能系统能够学习人类的专业知识，从而更快、更高效地探索新材料。
尽管该数据集取得了显著进展，但作者也明确了其局限性。重建的轨迹是显微镜状态的快照，而非操作员动作的连续视频。它们无法捕捉到科学家移动载物台以检查某个区域但最终决定不拍照的时刻，这意味着数据可能会稍微偏向于那些被认为值得进行高分辨率捕捉的区域。此外，原始文件中缺少关于显微镜镜头设置的一些技术细节，这限制了该数据集在涉及仪器精确调优任务中的应用。尽管存在这些约束，该集合仍是理解成像与能谱之间复杂相互作用的强大资源。它为理解材料科学的日常工作流程提供了一个罕见的窗口，为教会机器如何像人类专家一样具备好奇心和判断力地去观察、分析并理解纳米级世界提供了必要的原材料。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。