英文原题：AI for Transmission Electron Microscopy

通讯作者：苏东，中国科学院物理研究所，中国科学院大学

作者：Yangfan Li (李扬帆)，Mengshu Ge (葛梦舒)，Xiaozhi Liu (刘效治)，Dong Su* (苏东)

背景介绍

透射电子显微镜（TEM）自1931年被发明以来，已成为探索微观世界不可或缺的“眼睛”。随着球差校正技术和原位技术的发展，TEM已具备原子级分辨率和多维度表征能力。然而TEM的发展与普及面临着挑战：显微镜操作极度依赖专家经验，人工操作下的实验通量低，以及高速探测器采集的高维数据分析困难。与此同时，以深度学习为代表的人工智能（AI）技术在复杂模式识别和自动化决策方面取得了突破性进展。本综述旨在总结近些年AI与TEM结合的最新工作，探讨如何利用AI解决TEM面临的挑战，并展望未来“智能显微镜”的发展蓝图。

文章亮点

近日，中国科学院物理研究所苏东研究员团队在Photon Science上发表了题为“AI for Transmission Electron Microscopy”的综述文章（Review）。该论文系统总结了人工智能在透射电子显微镜领域的应用现状，提出了构建“AI赋能的智能TEM实验室”的完整框架，并展望了TEM从“被动仪器”向“智能科研伙伴”进化的未来路径。

1. AI赋能的智能TEM实验室蓝图 文章提出了未来AI赋能的智能TEM实验室的概念蓝图。这是一个包含硬件层、数据层和AI加速层的高度集成闭环系统。如文中图2所示，该系统通过控制流、数据流和智能流的循环，实现从高层科学意图到底层硬件操作的直接转换，以及基于实时数据分析的反馈优化 。

图2. AI赋能的TEM实验室的集成闭环架构。 系统包含由控制（绿色）、数据（蓝色）和智能（橙色）工作流程引导的硬件、数据和AI加速层。

2. AI驱动的显微镜控制与自主实验 AI正在将显微镜从手动模式转变为自动探索。文章详细讨论了利用监督学习、强化学习和贝叶斯优化等AI范式实现自动光路对中、自动样品搜索及自主实验的一系列进展。通过将科学逻辑嵌入实验工作流，AI不仅能提高效率，还能在工况下实现目标驱动的自主决策。

图3. AI自动化TEM控制与实验的示例。(a) 自动光路对中；(b) 自动化特征识别与导航；(c) 自主实验：利用先验知识和机器学习分析数据，并智能引导后续测量。

3. AI助力的高通量智能数据分析 面对TEM实验产生的海量高维数据，传统的人工分析早已捉襟见肘。文章详细阐述了AI如何通过四个维度化解这一难题：

维度一：图像预处理  实验图像常伴随着噪声和几何畸变。AI算法，特别是生成对抗网络（GANs）和扩散模型（Diffusion Models），在图像恢复方面表现出色。例如，利用正交扫描策略结合算法可有效去除扫描透射电镜（STEM）中的非线性漂移失真（图4a）。在去噪方面，无监督的CycleGAN可以在无需成对训练数据的情况下，将含噪声实验图像转化为干净的原子图像（图4b）；扩散模型更是拓宽了图像降噪的方法，能够从极低信噪比的数据中恢复出精细的结构细节（图4d）。

图4. AI在TEM数据预处理中的应用：图像校正与去噪。(a) 利用正交扫描校正STEM中的非线性漂移，有效去除拉伸伪影；(b) 基于无监督CycleGAN的STEM图像去噪；(c) 用于冷冻电镜（Cryo-EM）去噪的监督式GAN网络；(d) 基于扩散模型（Diffusion Model）的Cryo-EM图像优化框架，分步去除噪声以优化结构成像。

维度二：原子尺度分析  在原子尺度，AI可以解决复杂的图像分割问题。深度卷积神经网络（如U-Net）能够以亚皮米级的精度定位原子柱，并自动识别空位、掺杂等点缺陷（图5a,5b）。针对更复杂的扩展缺陷（如晶界），图神经网络（GNNs）通过将原子结构抽象为图结构，能够更敏锐地捕捉原子间的拓扑关系（图5c）。更令人兴奋的是，结合了大语言模型的多模态AI（如MicroscopyGPT），现在可以直接根据图像生成包含晶格参数和原子坐标的完整晶体学描述（图5d），实现了从“看图”到“读懂”的跨越。

图5. AI用于原子分辨率显微数据的定量分析。(a) 全卷积网络自动识别并分类二维材料中的点缺陷；(b) 结合模拟数据训练的UNet++网络，用于检测电子束敏感材料中的原子缺陷；(c) 基于图神经网络（GNN）的工具包，可从单张复杂显微图像中级联分析晶界、掺杂等多种原子构型；(d) 多模态视觉-语言模型 MicroscopyGPT，直接根据STEM图像和文本提示生成完整的原子结构描述 。

维度三：纳米尺度统计  对于纳米颗粒、生物大分子等介观体系，宏观性能往往取决于统计规律。利用YOLO、Mask R-CNN等目标检测与分割模型，AI可以在几分钟内完成对成千上万个纳米颗粒的识别、计数和形貌统计（图6a），极大提高了实验通量。在结构生物学领域，AI不仅能“数数”，还能“察异”。例如CryoDRGN-ET生成模型，能够解析冷冻电镜数据中的结构异质性，将原本被视为噪声的结构变化映射到低维潜空间中，从而重构出生物大分子的连续构象分布（图6c）。

图6. AI在自动化定量分析中的应用。(a) 基于YOLOv8的目标检测，用于TEM图像中各类聚合物纳米结构的自动识别与尺寸表征；(b) 利用卷积神经网络对电化学器件截面SEM图像进行自动分层与厚度测量；(c) CryoDRGN-ET框架，利用深度生成模型分析冷冻电子断层扫描数据中的结构异质性。

维度四：原位动态分析  原位TEM实验产生的高分辨视频数据量巨大且过程复杂。无监督学习方法（如变分自编码器 VAE）充当了“无预设的观察者”，能将复杂的视频压缩为低维潜变量。这些潜变量往往直接对应着晶格收缩、旋转等具体的物理过程（图7a）。此外，物理信息神经网络（PINNs）的发展，能让AI不再是黑盒。例如，在分析液相TEM中纳米颗粒的布朗运动时，物理信息生成模型（LEONARDO）将统计力学定律嵌入损失函数，不仅能精准捕捉粒子运动轨迹，还能模拟出符合物理规律的新动态（图7b）。

图7. AI驱动的原位TEM动态分析。(a) 变分自编码器（VAE）工作流，通过将高分辨TEM图像解构为低维潜空间，无监督地定量分析纳米晶体的晶格收缩与生长等动态现象；(b) 物理信息生成模型（LEONARDO），利用物理信息损失函数学习液相TEM中的纳米粒子扩散轨迹，并能模拟复杂的粒子-环境相互作用 。

总结/展望

本文总结了近些年AI与TEM结合的进展，指出了这种结合不仅是技术的叠加，更是科学研究范式的转变。文章最后提出了通往“AI-TEM”的终极愿景——将TEM从需要人类时刻监督的仪器，进化为能够理解科学目标、自主设计实验并与人类协作的“智能科研伙伴”。未来的发展路径可能分为“机器人科学家（Robotic Scholar）”和“智能显微镜（Intelligent Microscope）”两个方向。同时文章也强调了在迈向完全自主化过程中，需要解决硬件控制安全性、数据真实性以及多模态数据融合等关键挑战。

相关论文发表在Photon Science上，李扬帆博士为文章第一作者，苏东研究员为通讯作者。

Q&A

Photon Science:  您对该领域的发展有何愿景？

作者团队：

我们的最终愿景是建立一个完全自主的TEM平台，它能够自主进行实验操作与数据分析。也许“机器人科学家”所需要的通用人工智能（AGI）的还是一个需要长远发展的领域，但能实现AI算法与TEM硬件的深度无缝集成的“智能显微镜”，已经能够极大提升科研效率和数据的标准化与可重复性。

Photon Science:  请和大家分享一下这个领域可能会出现的研究机会。

作者团队：

目前可能出现的研究机会是如何利用AI模型（特别是结合大语言模型）对精密硬件进行安全可靠的控制，确保AI生成数据的真实性。开发能够融合SEM、XRD等多种表征手段的多模态AI模型，从而建立对材料的整体理解，也是未来亟待突破的研究。

通讯作者信息

苏东 杰出研究员

中国科学院物理研究所杰出研究员、先进材料与结构分析科学院重点实验室主任、A01课题组组长。1998年在南京大学物理系获学士学位，2003年在南京大学物理系和中国科学院物理研究所电镜实验室（联合培养）获凝聚态物理专业博士学位。曾先后在瑞士和美国做博士后（2004-2008）。2008-2019年在美国布鲁克海文国家实验室先后任助理、副、正、终身研究员（continuing appointment）和研究室主任（group leader）。于2019年加入中国科学院物理所凝聚态物理国家实验室，2023年起担任先进材料与结构分析实验室主任。他在SCI期刊上发表>400篇文章，总引用率>60000次，H因子～134，2019-2024连续6年入选“科睿唯安”高被引科学家，并任Renewables杂志创刊主编，以及Journal of Energy Chemistry、Microstructures、Interdisciplinary Materials、Next Materials、《电子显微学报》编委。研究兴趣是结合电镜、同步辐射等结构分析手段表征能源与催化材料，探究二次电池电极材料的反应动力学和纳米催化剂的电/热催化反应机理。

课题组网页：https://a04sd.iphy.ac.cn/index.html

扫描二维码阅读英文原文

Photon Sci. 2025

https://doi.org/10.1021/photonsci.5c00032

Publication Date: December 22, 2025

© 2025 The Authors. Co-published by ShanghaiTech University and American Chemical Society. 

关于Photon Science 

作为一本国际化、高定位、跨学科的开放获取期刊，Photon Science 重点发表但不限于基于光子、电子、中子设施等重大科技基础设施开展的化学转化与能源材料等领域的研究。期刊同时也报道具有推动化学和材料科学发展潜力的仪器技术、方法学和数据研究方面的进展。

期刊将发表多种类型文章，包括研究论文(Article)、通讯(Communication)、综述(Review)、前瞻观点(Perspective)、方法(Methods/Protocols)、评论(Commentary)和社论(Editorial)。

• 2027年12月31日之前提交的所有文章，如果经同行评审后被接收，将自动免除文章出版费（APC）

 期刊编辑团队  

Photon Science由美国劳伦斯伯克利国家实验室高级科学家杨万里博士担任创刊主编，上海科技大学刘志教授担任创刊执行主编，德国马普学会弗里茨·哈伯研究所Hendrik Bluhm博士、意大利特里斯特电子同步辐射光源Laura Foglia博士、美国阿贡国家实验室Hua Zhou博士担任创刊副主编。编委团队包括来自中国、美国、德国、英国、瑞典、日本、瑞士等国家32位全球顶尖学者。

所有的稿件都将经过严格的、公平的、高效的同行评审，我们致力于以期刊的文章质量赢得读者的信任。如有任何疑问，请发送电子邮件至eic@photonsci.acs.org。