近日，上海大學材料基因組工程研究院在《美國化學學會雜志》（JACS）上發表了一項重要研究成果，揭示了深度學習技術在材料微納結構成像技術中的創新應用。

該研究團隊聚焦于掃描隧道顯微鏡（STM）技術，這一工具在納米科技和表面科學中具有重要作用，但其操作長期依賴人工，效率低下。為解決這一難題，研究團隊開發了自主化STM系統，實現了無人干預下的長時間、高精度單分子分辨率成像。

該自主系統通過卷積神經網絡評估圖像質量，利用語義分割和自我更新的強化學習網絡實時優化探針狀態，并通過目標識別算法自動分析實驗參數，如表面分子組成。實驗表明，該系統能在液氮溫度下連續48小時無人工干預地進行自主表征，表征區域達到約1.9平方微米，展示了其高效性和魯棒性。

這一研究成果不僅推動了高分辨率材料成像設備的自動化與智能化進程，還為納米材料的智能化探索和利用人工智能技術促進表面科學研究提供了新的思路。