编辑语
利用透射电子显微表征，在气体环境中，金属纳米颗粒表面的连续转变。近日，美国 亚利桑那州立大学（Arizona State University）Peter A. Crozier，纽约大学（New York University）Carlos Fernandez-Granda等，在Science上发文，利用无监督深度学习的降噪方法，以克服具有高空间和毫秒时间分辨率的成像中固有的低信噪比。在氧化铈上，渗透到负载铂纳米颗粒表面以下的应力场，使得纳米颗粒不稳定，并导致有序和无序构型之间一系列转变。摘要
材料功能关涉发生在毫秒时间尺度上的原子级结构动力学。然而，电子显微镜，以高空间分辨率和毫秒时间分辨率的结构成像，通常受制于低信噪比。该项研究，利用无监督深度学习降噪框架，在气体环境中，观察了金属纳米颗粒表面（氧化铈上的铂纳米颗粒），在中等电子剂量下，时间分辨率低至10毫秒。在这个时间尺度上，许多纳米颗粒表面，在有序和无序构型之间不断转变。应力场可以渗透到表面以下，导致缺陷形成和失稳，从而使纳米颗粒流动。将这种无监督深度学习的降噪器与原位电子显微镜相结合，极大地改善了时空表征，有助于探索材料中的原子级结构动力学。
Visualizing nanoparticle surface dynamics and instabilities enabled by deep denoising.
通过深度去噪，实现纳米颗粒表面动力学和不稳定性可视化。
图1. 无监督深度去噪方法。
图2: Pt颗粒的表面动力学。
图3. 表面下方的动力学和纳米颗粒流动性。
图4. 量化Pt纳米颗粒的整体结构动力学。
Peter A. Crozier et al. , Visualizing nanoparticle surface dynamics and instabilities enabled by deep denoising. Science 387, 949-954(2025). DOI:10.1126/science.ads2688声明：仅代表译者观点，如有不科学之处，请在下方留言指正！
