各種形態(tài)和成分的納/微米材料在許多不同領(lǐng)域都有廣泛的用途。然而,尋找具有所需結(jié)構(gòu)、形狀和尺寸的定制納米材料仍然是一個挑戰(zhàn),并且通常通過在文獻(xiàn)中進(jìn)行人工篩選來實現(xiàn)。在此,俄羅斯圣光機(jī)大學(xué)Vladimir Vinogradov等人首次開發(fā)了掃描/透射電子顯微鏡逆向圖像搜索和基于手繪圖的遷移學(xué)習(xí)搜索,即通過將在超過1400萬張圖像上預(yù)訓(xùn)練的VGG16卷積神經(jīng)網(wǎng)絡(luò)(CNN)重新用于圖像特征提?。‵E)和圖像相似性(IS)確定。其中,VGG16 CNN由卷積層、池化層和全連接密集層組成,所有這些層都代表了輸入圖像像素強(qiáng)度的數(shù)學(xué)變換。卷積層表示將濾波器應(yīng)用于像素組,從而考慮相鄰像素之間的相互關(guān)系。池化層用于壓縮圖像,從而產(chǎn)生更緊湊的圖像表示。密集層通常用于進(jìn)一步的分類任務(wù),以向量的形式產(chǎn)生一個或多個單獨的輸出,其分類精度與從圖像中提取高級特征的有效性高度相關(guān)。結(jié)果表明,這種方法允許搜索具有最接近的形狀豐度、尺寸分布及材料表面形態(tài)的材料,其中所有搜索結(jié)果在所有這些參數(shù)之間的折衷下進(jìn)行排序。圖1. VGG16 CNN的逐層架構(gòu)及逆向SEM圖像搜索此外,該方法在超過200種通過隨機(jī)高通量篩選手動合成的>20種不同形狀、尺寸和表面形態(tài)的CaCO3基納米材料及從研究文章中提取的超過6種形狀的Au納米粒子的案例使用中得到證明,從而驗證了該方法的多功能性。更重要的是,Canny輪廓檢測能夠?qū)崿F(xiàn)基于手繪圖的查詢,該查詢引入了具有所需形狀、尺寸和表面形態(tài)的定制逆向材料搜索。這些發(fā)現(xiàn)表明,從顯微鏡圖像中提取的特征可作為納米材料的形狀、大小和形態(tài)的通用描述符。這項研究所開發(fā)的方法不僅可用于高級納米材料搜索、合成過程驗證和描述符生成,還可以進(jìn)一步配備機(jī)器學(xué)習(xí)解決方案,從而在考慮形態(tài)特性的同時提供數(shù)據(jù)驅(qū)動的新型納米材料發(fā)現(xiàn)。圖2. 基于手繪的逆向圖像搜索展示Inverse Material Search and Synthesis Verification by Hand Drawings via Transfer Learning and Contour Detection, Small Methods 2022. DOI: 10.1002/smtd.202101619