Multi-exposure diffraction pattern fusion applied to enable wider-angle transmission Kikuchi diffraction with direct electron detectors
Notice bibliographique
Résumé
Diffraction pattern analysis can be used to reveal the crystalline structure of materials, and this information is used to nano- and micro-structure of advanced engineering materials that enable modern life. For nano-structured materials typically diffraction pattern analysis is performed in the transmission electron microscope (TEM) and TEM diffraction patterns typically have a limited angular range (less than a few degrees) due to the long camera length, and this requires analysis of multiple patterns to probe a unit cell. As a different approach, wide angle Kikuchi patterns can be captured using an on-axis detector in the scanning electron microscope (SEM) with a shorter camera length. These 'transmission Kikuchi diffraction' (TKD) patterns present a direct projection of the unit cell and can be routinely analysed using EBSD-based methods and dynamical diffraction theory. In the present work, we enhance this analysis significantly and present a multi-exposure diffraction pattern fusion method that increases the dynamic range of the detected patterns captured with a Timepix3-based direct electron detector (DED). This method uses an easy-to-apply exposure fusion routine to collect data and extend the dynamic range, as well as normalise the intensity distribution within these very wide (>95°) angle patterns. The potential of this method is demonstrated with full diffraction sphere reprojection and highlight potential of the approach to rapidly probe the structure of nano-structured materials in the scanning electron microscope.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».