تحلل الشبكات العصبية البنى البلورية والترتيبات الجزيئية في تطبيقات الرؤية الحاسوبية.تصوير الشبكات العصبية للبلورات يشير إلى استخدام الشبكات العصبية الاصطناعية لتحليل وتفسير صور البنى البلورية والترتيبات الجزيئية. في علم المواد والكيمياء، يعمل هذا الأسلوب على أتمتة تصنيف وتحليل ملايين الصور المجهرية، وهو أمر قد يكون غير عملي للباحثين البشر. وتُعد هذه التقنية ذات قيمة خاصة في تحديد اتجاهات البلورات، واكتشاف العيوب، ورسم الخرائط للسمات البنيوية عبر مجموعات بيانات ضخمة.
شهد تطبيق الشبكات العصبية في علم البلورات زخمًا في العقد الثاني من القرن الحادي والعشرين مع صعود التعلم العميق وتوفر مجموعات بيانات كبيرة موسومة من التجارب عالية الإنتاجية.
تُدرَّب الشبكات العصبية الالتفافية (CNNs) على صور موسومة للبلورات، وتتعلم التعرف على الأنماط المرتبطة بسمات بنيوية محددة. وبعد التدريب، تعالج الشبكة الصور الجديدة عن طريق استخراج سمات هرمية—بدءًا من الحواف والأنسجة البسيطة إلى الترتيبات الهندسية المعقدة—وتقوم بتعيينها إلى تصنيفات أو قياسات. ولتحديد الاتجاه، يمكن تصميم الشبكة لإخراج محاور تناظر البلورة مباشرة من الصورة، متجاوزةً بذلك تحليل الحيود التقليدي.
تُستخدم في التوصيف الآلي للمواد، ومراقبة الجودة في تصنيع أشباه الموصلات، والفحص عالي الإنتاجية للعينات البلورية في أبحاث الأدوية والبطاريات.
يمكن للشبكات العصبية تحديد اتجاه البلورة من صورة ضوئية واحدة، وهي مهمة كانت تتطلب تقليديًا معدات حيود الأشعة السينية.













