实体
Electron backscatter diffraction
Electron backscatter diffraction
PulseAugur coverage of Electron backscatter diffraction — every cluster mentioning Electron backscatter diffraction across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
AI模型利用对称性增强晶体取向图分辨率
研究人员开发了一种新颖的对称群感知超分辨率注意力网络（SG-SRAN），旨在提高晶体取向图的分辨率。该网络通过将等效取向映射到公共潜在表示，独特地结合了晶体对称性和边界保持。与现有模型相比，SG-SRAN以显著更少的训练参数实现了最先进的结果，并展示了对新合金的高保真度和零样本迁移能力。
-
AI通过SRGAN提高电池材料分析速度
研究人员开发了一个机器学习框架，使用超分辨率生成对抗网络（SRGAN）来显著加快锂离子电池电极材料的表征过程。该SRGAN模型在LiNixMnyCozO2颗粒的EBSD数据上进行训练，能够计算性地增强低分辨率数据集，其性能优于传统的插值方法。该方法允许在可接受的关键微观结构指标准确性的前提下，将采集速度或视场提高25倍，从而使EBSD成为材料研发更有效的工具。
-
扩散模型增强了用于显微镜的EBSD和偏振光数据
研究人员开发了一种多模态扩散模型，通过整合偏振光（PL）数据来增强电子背散射衍射（EBSD）显微镜的数据。这种方法显著加快了数据采集速度，仅用四分之一的常规EBSD数据和损坏的PL数据即可获得高质量结果。该模型在真实数据上表现出强大的泛化能力，改进了晶界预测、超分辨率和去噪等目标。