亚利桑那州立大学和纽约大学的研究团队开发了一种基于无监督深度学习的去噪框架，解决了传统电子显微镜在实现毫秒级时间分辨率的原子尺度成像时面临的噪声问题，从而能够清晰观察纳米颗粒表面的动态。
研究发现，在CO环境中，铂纳米颗粒表面持续在有序和无序配置之间转变，并且表面不稳定性能够触发亚表面的扰动，揭示了纳米颗粒表面结构动力学的新机制。
该技术不仅提高了图像的信噪比，还揭示了纳米颗粒表面动态与流动性的重要信息，为理解材料功能提供了新的视角。
亚利桑那州立大学和纽约大学的研究团队开发了一种基于无监督深度学习的去噪框架，解决了传统电子显微镜在实现毫秒级时间分辨率的原子尺度成像时面临的噪声问题，从而能够清晰观察纳米颗粒表面的动态。
研究发现，在CO环境中，铂纳米颗粒表面持续在有序和无序配置之间转变，并且表面不稳定性能够触发亚表面的扰动，揭示了纳米颗粒表面结构动力学的新机制。
该技术不仅提高了图像的信噪比，还揭示了纳米颗粒表面动态与流动性的重要信息，为理解材料功能提供了新的视角。
