講演情報
[18a-PA1-19]4D-STEMデータに対する自己教師ありノイズ除去
〇(D)上條 快1、志賀 元紀1,2,3,4、狩野見 秀輔5,6、宮田 智衆5、陣内 浩司5 (1.東北大院情報、2.東北大UDAC、3.NIMS、4.理研、5.東北大多元研、6.三菱ケミカル)
キーワード：
機械学習、四次元走査型透過電子顕微鏡(4D-STEM)
四次元走査型透過電子顕微鏡（4D-STEM）は高分解能な構造解析を可能とする一方、電子線損傷の影響により高い信号対雑音比を有する回折像の取得が困難である。本研究では、Noise2Voidに基づく自己教師あり雑音除去手法を4D-STEMデータ向けに拡張した新規モデルを開発した。シミュレーションデータによる検証の結果、従来手法と比較して回折スポットの再現性が向上し、PSNRで約10 dBの改善が確認された。