(从左起)GIST 新材料工学系博士课程学生 Yoon Junyeon(第一作者)、教授 Lee Eunji、博士 Hwang Junho。

(从左起)GIST 新材料工学系博士课程学生 Yoon Junyeon(第一作者)、教授 Lee Eunji、博士 Hwang Junho。

View original image

光州科学技术院(GIST)6日表示,新材料工学系 Lee Eunji 教授研究团队将人工智能(AI)引入透射电子显微镜(TEM)分析,将对有机高分子、生物材料等“软物质(soft matter)”复杂自组装结构的研究,从停留在“观察”层面,扩展到“自动分析与预测”的阶段,提出了一种全新的分析范式。


此次研究以过去因对电子束敏感而难以分析的软物质复杂自组装结构为对象,整合多种电子显微镜技术与AI,实现结构识别、三维重构以及随时间变化的过程分析自动化,并进一步提出可将其与物性预测相衔接的分析体系,因此备受关注。


软物质广泛涵盖从蛋白质、细胞膜等生物材料到高分子、液晶等合成材料,由于分子通过“自组装”特性自发聚集形成精细纳米结构,在多个尖端产业领域被视为核心材料。


这类自组装结构是决定材料性能的关键因素,广泛应用于用于下一代疫苗的遗传物质递送技术(mRNA疫苗载体)、药物递送系统、下一代储能材料等领域,但由于结构极其微小且复杂,要对其进行精确观察和理解一直存在局限。


尤其是软物质主要由碳、氢、氧等轻元素构成,在电子显微镜图像中结构轮廓并不清晰,同时还存在结构容易被电子束改变或损伤的问题。因此,仅依靠传统电子显微镜分析,很难精细掌握软物质特有的纳米结构及其自组装过程。

通过人工智能集成电子显微镜技术,突破软物质分析的时空局限,实现精密解析。

通过人工智能集成电子显微镜技术,突破软物质分析的时空局限,实现精密解析。

View original image

为克服这些局限,研究团队将冷冻电子显微镜(cryo-TEM)、电子断层扫描(ET)、原位液相电子显微镜(LP-TEM)等不同电子显微镜技术与基于深度学习的AI技术相结合。


通过这一方式,研究团队实现了:▲自动区分复杂纳米结构的结构识别;▲基于多张二维电子显微镜图像,对纳米结构进行立体呈现的三维重构;▲按时间序列分析自组装进行过程的动力学解析自动化,并进一步构建起可基于结构信息预估材料性能的物性预测一体化分析策略。


在这一过程中,冷冻电子显微镜用于几乎无损地捕捉软物质原本的纳米结构;电子断层扫描则用于将这些结构重构为三维形态。原位液相电子显微镜通过实时观察溶液中自组装进行的情形,使研究人员能够在时间维度上分析结构形成和变化的全过程。


研究团队在此基础上引入AI,对海量高维电子显微镜数据进行自动处理和解析,不仅停留在简单的图像观察层面,而是构建起揭示结构与物性之间相关性、并可预测未来结构变化的分析体系。这一成果将电子显微镜从“观察工具”扩展为“理解和预测的工具”,被评价为为整个软物质研究领域指明了新的研究方向。


此次研究通过将AI与电子显微镜分析相结合,更加系统地理解了软物质的自组装机制,并展示了基于图像数据预测材料物性的“图像驱动材料设计”的发展潜力,具有重要的学术意义。


研究团队今后计划高度化基于AI的自动分析系统,并将其应用于在极端环境下仍能稳定运行的功能性软材料研究,推动其向生物医疗及能源领域拓展。


Lee Eunji 教授表示:“本次研究的意义在于,构建了一个能够实时观察对电子束敏感的软材料自组装过程,并利用AI进行精密分析直至物性预测的分析体系”,她还表示:“这项研究突破了以往停留在图像观察层面的分析,提出了可扩展至数据驱动材料设计的新研究方向。”


博士课程学生 Yoon Junyeon(第一作者)表示:“我们重点通过AI分析海量高维透射电子显微镜(TEM)数据,来揭示纳米结构与物性之间的相关性”,“该研究展示了AI可以成为从电子显微镜图像中预测物质特性并提出最优材料设计方案的‘材料信息学’核心工具。”


在GIST新材料工学系 Lee Eunji 教授(通讯作者)的指导下,由博士课程学生 Yoon Junyeon(第一作者)主导、GIST-InnoCORE研究团 Hwang Junho 博士作为共同作者参与的本次研究,得到了科学技术信息通信部和韩国研究财团中坚研究者支援项目、纳米及材料技术开发项目以及GIST-InnoCORE项目的资助。研究成果已于去年12月23日在线发表于国际学术期刊《NPG Asia Materials》。



另一方面,本次研究成果在具备学术意义的同时也兼顾了产业应用可能性,相关技术转移协商可通过技术商业化中心推进。


本报道由人工智能(AI)翻译技术生成。

版权所有 © 阿视亚经济。未经许可不得转载,禁止用于AI训练及使用。

不容错过的热点