PID3Net：一种用于动态现象的单发相干 X 射线衍射成像的深度学习方法

快速阅读: 据《Nature.com》最新报道，本文介绍了一种利用深度学习的新方法，用于展示大样本中局部纳米结构的动态变化。该方法采用前馈架构和物理信息策略，通过重建随时间变化的衍射图像来实现动态过程的捕捉。实验包括数值模拟及使用同步辐射硬X射线对移动物体的成像，结果表明该方法在短曝光时间内能高效可靠地重构结构，优于传统方法。此技术适用于高时空分辨率需求的应用场景。

本文介绍了一种利用深度学习（DL）的方法，旨在展示大样本中局部纳米结构的动态变化。目前的相位检索方法通常难以达到高时空分辨率，这限制了它们在观察纳米结构动态变化方面的应用。本研究通过开发一种新方法来弥补这些不足，该方法采用了前馈架构和物理信息策略，能够从被照射区域随时间变化的衍射图像中重建动态过程。该方法引入了重要改进，例如，使用时间卷积块来捕捉时空关联，并对重构对象应用统一的TV正则化，从而提高噪声抑制效果和空间平滑度。采用扩展的评估框架，包括多种指标和系统的敏感性分析，全面评估该方法的性能和稳定性。概念验证实验包括数值模拟以及使用同步辐射硬X射线对移动的钽测试图表和胶体金颗粒（分散在聚乙烯醇水溶液里的）的成像实验，验证了该方法具有高性能表现。实验结果显示，在短曝光时间内，样品中的结构已成功重构，显著优于传统方法和现有的基于DL的方法。所提出的方法实现了高效且可靠的动态图像重构，计算成本低，适用于探索需要高时空分辨率的同步加速器或自由电子激光应用中的快速变化现象。

(以上内容均由Ai生成)