基于多项式回归与线性插值的全场纳米谱学成像背景序列预测

• Published in: 核技术 Vol. 47; no. 3; pp. 19 - 28
• Main Authors: 邢彦军, 高若阳, 张玲, 陶芬, 刘一, 邓彪
• Format: Journal Article
• Language: Chinese
• Published: 中国科学院上海高等研究院 上海同步辐射光源 上海 201204%中国科学院上海应用物理研究所 上海 201800 01.03.2024; 中国科学院上海高等研究院 上海同步辐射光源 上海 201204; 中国科学院上海高等研究院 上海同步辐射光源 上海 201204%上海理工大学 上海 200093; 中国科学院上海应用物理研究所 上海 201800; 中国科学院大学 北京 100049%中国科学院上海应用物理研究所 上海 201800; 上海理工大学 上海 200093
• Subjects: 线性插值; Linear interpolation; 图像序列预测; Full-field nanoscale imaging; 全场纳米谱学成像; 多项式回归; Polynomial regression; Image sequence prediction
• ISSN: 0253-3219
• DOI: 10.11889/j.0253-3219.2024.hjs.47.030102

TL54+4%TL99; 全场纳米谱学成像(TXM-XANES)是将透射X射线显微镜(Transmission X-ray Microscope,TXM)与X射线近边吸收结构(X-ray Absorption Near Edge Structural,XANES)有机结合的成像方法,通过测量感兴趣元素K边前后多个能量点的TXM图像,无损获得样品内部纳米尺度化学元素价态分布,已应用于能源材料、生物医学和地球科学等多个学科领域.常规TXM-XANES数据需要采集每个能量点下的图像和背景图像,数据量大,采集时间长,由于纳米尺度下机械结构的不稳定和样品的移动都会对TXM-XANES数据分析产生一定的影响.基于已知数据,利用机器学习的算法建立了多项式回归与线性插值运算模型,实现了仅通过两张谱学背景图像完成背景图像序列预测建模.利用该方法对标准样品及锂电池正极材料进行谱学成像分析,结果表明:相对于常规TXM-XANES方法,该方法具有数据量少、采集时间短等优势,可显著提升TXM-XANES的实验效率.