深度学习实现未校正扫描透射电镜亚埃级分辨率成像的革命性突破

北京大学联合团队开发了基于去噪扩散概率模型(DDPM)的SARDiffuse框架，成功将未校正STEM的空间分辨率提升至亚埃级(<1 ?)。该研究突破了传统像差校正电镜(AC-STEM)的成本限制，通过深度学习恢复高频信息，在Si、STO和GaN样品中实现76-96 pm分辨率，同时有效校正球差伪影，为材料原子尺度表征提供了经济高效的解决方案。

　　

在材料科学领域，原子级分辨率成像一直是揭示材料本征性质的关键。传统像差校正扫描透射电子显微镜(AC-STEM)虽能实现亚埃级(<1 ?)分辨率，但其高昂的硬件成本(约200万美元/台)和复杂的操作维护限制了普及应用。未校正STEM受球差(C₃
)影响，分辨率通常局限在136 pm左右。虽然提高加速电压或采用电子叠层成像(ptychography)等计算手段能突破这一限制，但前者导致样品损伤，后者对样品厚度敏感且耗时。这一困境促使研究者思考：能否通过人工智能突破硬件限制？

北京大学材料科学与工程学院赵晓旭团队联合DP技术公司，在《National Science Review》发表创新成果。研究人员开发了SARDiffuse模型，这是首个基于去噪扩散概率模型(DDPM)的STEM超分辨率框架。通过低秩自适应(LoRA)微调技术，使用实验获取的AC-STEM图像训练模型，使其学会从噪声图像中恢复高频信息。在Si[110]、SrTiO₃
(STO)和GaN等材料测试中，信息传递极限从原始图像的136-138 pm提升至76-96 pm，达到AC-STEM水平。更令人振奋的是，模型能有效消除球差导致的Si哑铃间伪影，同时保持原子位置精度(偏差仅17.8±7.0 pm)和Sr/Ti原子对比度(I_Sr
/I_Ti
≈2.08)。

关键技术包括：1)使用JEOL-ARM200F获取2048×2048像素AC-STEM训练数据；2)构建DDPM框架，通过前向扩散(添加高斯噪声)和反向扩散(UNet恢复)训练模型；3)采用加权平均拼接算法处理大尺寸图像；4)通过LPIPS指标和原子位置偏差评估模型性能。

研究结果展现出三大突破：

1. 分辨率提升：通过FFT分析证实，处理后Si[110]的信息传递极限从136 pm提升至96 pm，GaN[101]中91 pm间距的Ga哑铃清晰可辨。

   

2. 伪影校正：相比BM3D、AtomSegNet等方法，SARDiffuse唯一能消除Si哑铃间球差伪影，输出结果与AC-STEM高度一致。

   

3. 参数可控：推理步数(100-500步)可精确调控分辨率与保真度平衡，300步即可使Si图像达到亚埃分辨率，LPIPS相似度提升300%。

这项研究开创了"计算像差校正"新范式，其意义不仅在于省去昂贵硬件——更重要的是突破了传统电镜的物理限制。通过将深度学习与电子显微学深度融合，SARDiffuse为二维材料缺陷分析、界面原子构型解析等研究提供了普惠工具。未来通过扩展训练数据集，该框架有望进一步应用于复杂晶体结构和各向异性像差(如像散A₁
)校正，推动电子显微技术进入"软件定义分辨率"的新时代。