电子显微镜
成功突破噪声干扰,“AI + 电子显微镜”揭示纳米颗粒隐藏运动
通过结合人工智能与电子显微镜,研究人员成功突破噪声干扰,实现对原子级变化的可视化。这一突破有望让科学家更深入地理解纳米颗粒在不同条件下的行为,从而推动工业技术革新和科学研究进展。
纳米世界的实时电影,科学家首次使用AI以毫秒级分辨率观察原子移动,登Science
编辑 | 2049想象一下,如果我们能像观察夜空中闪烁的星星一样,清晰地观察到原子在材料表面的「舞动」,这将为理解材料功能打开一扇全新的大门。 然而,传统的电子显微镜技术面临着一个根本性挑战:要实现毫秒级时间分辨率的原子尺度成像,必须大幅降低电子束剂量,而这导致图像被噪声淹没,模糊了关键细节。 为了解决了这一技术瓶颈,亚利桑那州立大学(ASU)和纽约大学(NYU)的研究团队开发了一种基于无监督深度学习(Unsupervised Deep Learning)的去噪框架,实现了在温和电子束剂量下对气体环境中金属纳米颗粒表面进行毫秒级时间分辨率的原子尺度观察。
仅几秒,准确推断蛋白动力学信息,山大、北理工等AI模型RMSF-net登Nature子刊
编辑 | KX蛋白质的动力学对于理解其机制至关重要。然而,通过计算预测蛋白质动学信息具有挑战性。在此,来自山东大学、百图生科(BioMap)、北京理工大学、湖北医药学院、宁夏医科大学和阿卜杜拉国王科技大学(KAUST)的研究团队,提出了一个神经网络模型 RMSF-net,其优于以前的方法,并在大规模蛋白质动力学数据集中产生最佳结果;该模型可以在几秒钟内准确推断出蛋白质的动力学信息。通过从实验蛋白质结构数据和低温电子显微镜 (cryo-EM) 数据集成中有效地学习,该方法能够准确识别低温电子显微镜图和 PDB 模型之
- 1