Nano Letters：深度学习辅助显微镜量化原子分散催化剂

原子分散催化剂（ADC）的催化性能很大程度上受到其原子构型的影响，例如原子间距离、原子聚集成二聚体和三聚体及其分布。扫描透射电子显微镜 (STEM) 是一种在原子尺度上对 ADC 进行成像的强大技术；然而，迄今为止，大多数 ADC 的 STEM 分析都依赖于人工标记，因此很难分析大型数据集。

在这里，橡树岭国家实验室Guannan Zhang，Miaofang Chi介绍了一种基于卷积神经网络（CNN）的算法，能够量化不同吸附原子配置的空间排列。

本文要点

要点1. 该算法在具有不同支持结晶度和同质性的不同 ADC 上进行了测试。结果表明，该算法可以准确识别原子位置并有效分析大数据集。

要点2. 这项工作提供了一种可靠的方法来克服 ADC 催化剂研究 STEM 分析的主要瓶颈。研究人员强调了这种方法在未来原位显微镜实验中作为催化剂动态分析工具的潜力。

Haoyang Ni, et al, Quantifying Atomically Dispersed Catalysts Using Deep Learning Assisted Microscopy, Nano Lett., 2023

DOI: 10.1021/acs.nanolett.3c01892

https://doi.org/10.1021/acs.nanolett.3c01892

热催化学术QQ群：741409795

光催化学术QQ群：248292372

电催化学术QQ群：1025856252

均相催化与酶催化QQ群：871976131

多孔材料学术QQ群：813094255

同步辐射丨球差电镜丨FIB-TEM

原位XPS、原位XRD、原位Raman、原位FTIR

加急测试

朱老师

学研汇技术经理

158 7177 4683

www.xueyanhui.com