.png){kind=icon}
返回
Computer vision for high-throughput materials synthesis: a tutorial for experimentalists
.png){kind=icon}
OA
AI
DOI：10.1039/D5DD00384A.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
高通量仪器和实验室自动化的进步正在通过实现大量新型材料库的快速生成，革新材料合成领域。然而，这些合成材料库的高效表征仍然是新材料发现过程中的一个重要瓶颈。传统表征方法通常仅限于顺序分析，在应用于大规模样本集时，显得耗时且成本高昂。正如化学家通过解读视觉指示来识别有希望的样品一样，当存在视觉线索时，计算机视觉（CV）是一种高效的方法，能够加速跨尺度的材料表征。CV在高通量合成与表征工作流中尤为有用，因为这些技术可以快速、可扩展且经济高效。尽管文献中已有不断增长的实例，但我们发现缺乏可供该领域新入门者获取实践入门的资源。在此，我们旨在填补这一识别到的空白，并为实验人员提供一份结构化教程，以将计算机视觉整合到高通量材料研究中，提供从数据收集到模型验证的详细路线图。具体而言，我们描述了在材料表征中部署CV所需的硬件和软件堆栈，包括图像采集、标注策略、模型训练和性能评估。作为案例研究，我们展示了在一个高通量材料合成与表征平台上实施CV工作流的案例，以研究金属有机框架（MOFs）的结晶过程。通过阐述关键挑战和最佳实践，本教程旨在为化学家和材料科学家提供必要的工具，以利用CV加速材料发现。
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
5.6
论文数:
997
被引数:
1.7K
机构
查看更多机构
引用论文
Autonomous discovery of optically active chiral inorganic perovskite nanocrystals through an intelligent cloud lab通过智能云实验室自主发现光学活性手性无机钙钛矿纳米晶体.png)
NATURE COMMUNICATIONSOAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏From eyes to cameras: Computer vision for high-throughput liquid-liquid separation从眼睛到相机：高通量液-液分离的计算机视觉DeviceOAAI
DeviceIF0
OAAI分享收藏分享收藏
Synthesis of Metal-Organic Frameworks (MOFs): Routes to Various MOF Topologies, Morphologies, and Composites金属有机框架 (MOF) 的合成: 通往各种MOF拓扑，形态和复合材料的路线
PREAI
分享收藏 查看更多内容