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

背景：纳米结构材料的功能与其纳米尺度形貌密切相关，掠入射小角X射线散射（GISAXS）是一种非破坏性表征方法，但传统从二维散射图像反推真实空间结构的过程耗时且依赖专家经验。研究目的：本研究旨在利用深度学习技术，通过物理模拟训练的卷积神经网络（CNN）实现从二维GISAXS图像快速反演纳米颗粒尺寸分布，以替代传统迭代拟合方法。结论：研究以金纳米颗粒组装体为模型，基于DWBA方法生成大规模模拟数据集训练CNN。在模拟验证集上，模型对平均颗粒高度和半径的平均绝对误差分别为0.8 nm和0.7 nm；在实验样品上，CNN预测的颗粒半径分布与SEM统计结果一致，相对偏差约18%。该方法将主要计算成本转移到离线训练阶段，单张图像的推理时间仅为毫秒级，为高通量原位GISAXS实验提供了实时分析的新途径。