Нейронные сети анализируют кристаллические структуры и молекулярные конфигурации в приложениях компьютерного зрения.Нейросетевая кристаллография — это использование искусственных нейронных сетей для анализа и интерпретации изображений кристаллических структур и молекулярных конфигураций. В материаловедении и химии такой подход автоматизирует классификацию и анализ миллионов микрофотографий, что было бы непрактично для исследователей-людей. Метод особенно ценен для определения ориентации кристаллов, выявления дефектов и картирования структурных особенностей на больших наборах данных.
Применение нейронных сетей в кристаллографии набрало обороты в 2010-х годах с развитием глубокого обучения и появлением больших аннотированных наборов данных из высокопроизводительных экспериментов.
Сверточные нейронные сети (CNN) обучаются на размеченных изображениях кристаллов, учась распознавать паттерны, связанные с конкретными структурными особенностями. После обучения сеть обрабатывает новые изображения, извлекая иерархические признаки — от простых краев и текстур до сложных геометрических расположений — и сопоставляет их с классификациями или измерениями. Для определения ориентации сеть может быть спроектирована так, чтобы выдавать оси симметрии кристалла непосредственно из изображения, минуя традиционный дифракционный анализ.
Используется в автоматизированной характеризации материалов, контроле качества в производстве полупроводников и высокопроизводительном скрининге кристаллических образцов в фармацевтических и аккумуляторных исследованиях.
Нейронные сети могут определить ориентацию кристалла по одному оптическому изображению — задача, которая традиционно требовала оборудования для рентгеновской дифракции.













