国产精品igao视频网网址不卡日韩,亚洲综合在线电影,亚洲婷婷丁香,黄色在线网站噜噜噜

  聚合物材料的微觀結(jié)構(gòu)由分子結(jié)構(gòu)所決定，同時包含著宏觀性質(zhì)的信息，在聚合物材料設(shè)計(jì)中起到承上啟下的關(guān)鍵作用。隨著聚合物材料不斷發(fā)展，其微觀結(jié)構(gòu)之間的差距逐漸趨同，難以使用人眼區(qū)分，而機(jī)器學(xué)習(xí)方法通過定量化識別圖像的方法，解決上述問題。但當(dāng)使用實(shí)驗(yàn)中獲得的少量結(jié)構(gòu)圖像進(jìn)行機(jī)器學(xué)習(xí)訓(xùn)練時，仍舊面臨著樣本量少且稀疏，黑箱模型解釋性差的問題。

圖1  機(jī)器學(xué)習(xí)流程示意圖

針對遷移學(xué)習(xí)，數(shù)據(jù)本身特點(diǎn)以及后續(xù)的特征可視化操作，設(shè)計(jì)卷積神經(jīng)網(wǎng)絡(luò)（后續(xù)簡稱aim-Net，圖2）用于訓(xùn)練。首先通過圖像剪裁進(jìn)行圖像的數(shù)據(jù)增強(qiáng)，隨后根據(jù)文獻(xiàn)中（npj Comput Mater 2019, 5, 95.）的方法使用Cahn-Hilliard方程生成的模擬圖像進(jìn)行模型的預(yù)訓(xùn)練，再次使用實(shí)驗(yàn)中獲取的AFM圖像微調(diào)模型的參數(shù)。最終獲得十分出色的分類與回歸結(jié)果（圖3）。

圖2  針對遷移學(xué)習(xí)與特征可視化方法所設(shè)計(jì)的神經(jīng)網(wǎng)絡(luò)

圖3 原始圖片獲取與訓(xùn)練結(jié)果（a）PS-nBA共聚物，從左至右分別為兩嵌段共聚物，三嵌段共聚物，線形梯度共聚物，V形梯度共聚物，無規(guī)共聚物，（b）圖像剪裁進(jìn)行數(shù)據(jù)增強(qiáng)，（c）使用卷積神經(jīng)網(wǎng)絡(luò)獲得的回歸結(jié)果，（d）使用卷積神經(jīng)網(wǎng)絡(luò)獲得的分類結(jié)果

圖4 （a）使用Guided-Back Propagation算法以及Smooth Grad算法進(jìn)行特征可視化的結(jié)果（b）兩嵌段共聚物（DI）在不同網(wǎng)絡(luò)以及遷移學(xué)習(xí)前后可視化結(jié)果對比圖（c）三嵌段共聚物（TRI）在不同網(wǎng)絡(luò)以及遷移學(xué)習(xí)前后可視化結(jié)果對比圖

圖5 （a）邊緣梯度提取定義模糊度（b）全部輪廓周長加和定義分散度（c）對特征進(jìn)行9種非線性變換（d）獲得定量化公式（e）定量化公式回歸結(jié)果小提琴圖

  原文鏈接：https://pubs.acs.org/doi/10.1021/acsami.2c15311