德国电子同步加速器DESY Roth教授团队Photon Science ׀ AI助力GISAXS快速反演分析

本文基于德国电子同步加速器DESY Roth教授团队的研究，针对纳米颗粒组装体的形貌表征难题，提出了一种结合物理模拟与深度学习的快速反演分析新方法。掠入射小角X射线散射（GISAXS）是一种有效的非破坏性表征手段，但其从二维倒易空间图像反推真实空间结构参数的过程传统上依赖耗时的迭代拟合，难以满足高通量与原位实验需求。研究团队以金纳米颗粒为模型体系，采用畸变波玻恩近似（DWBA）生成包含背景与噪声的大规模模拟数据集，训练卷积神经网络直接从GISAXS图像预测颗粒的高度-半径联合分布。在模拟验证中，模型对平均高度和半径的预测误差分别仅为0.8 nm和0.7 nm；在实验样品上，预测与扫描电子显微镜（SEM）统计结果的相对偏差在18%以内，验证了方法的有效性。该方法的计算负担集中于离线训练，在线推理仅需毫秒级时间。结论表明，这种物理模拟驱动的深度学习框架能够显著提升GISAXS数据分析速度，为同步辐射高通量与实时原位实验提供了可行的技术路径，并有望扩展至更广泛的纳米材料体系。