中国科学院高能同步辐射光源（HEPS）光束线软件团队开发了一个名为PtyNet的卷积神经网络框架，用于从X射线叠层成像术（Ptychography）实验数据中恢复出物体的精确投影。在强大的计算集群的支持下，PtyNet可快速地从同步辐射光源获取数据进行训练，并对用户的实验数据进行图像重建。相关研究成果于2023年11月9日发表在《科学》期刊上。

人工智能方法作为大数据分析和处理的利器，保持了传统算法的优势，并且突出体现了在海量实验数据在线分析方面的能力。作为一种相对耗时的扫描成像技术，叠层成像术的主要目标之一是实现实时分析。但是目前传统的叠层成像术重建算法很难实现在线重建的需求。研究团队基于卷积神经网络，提出了分组卷积的神经网络解码器结构，使得网络的训练以及重建速度更快，重建效果更好。

由于不同实验数据所恢复的目标物体不同，研究团队还引入了微调策略对网络参数进行进一步优化。无监督的微调策略使网络拥有更强大的泛化能力和更高的重建分辨率。同步辐射光源可以为网络提供足够的数据量以得到一个更强大的预训练模型。即使对于一个未出现在网络内的新样品，网络也可以成功地进行重建。

信息来源：

https://doi.org/10.1016/j.isci.2023.108420

https://mp.weixin.qq.com/s/RhioyoDvzBBhoIvVV_eZSg