투과전자현미경(TEM)은 재료과학 및 구조생물학에서 핵심 분석 방법으로, 구조 특성화를 위한 고공간·고시간 해상도를 제공하며 원자 및 분자 수준에서 구조-물성 관계와 구조 역학을 규명할 수 있다. EM의 기술적 발전에도 불구하고, 전자빔의 특성으로 인해 EM 영상화는 저선량 응용의 경우에도 재료에 본질적으로 해로운 영향을 미친다. 본 연구는 전자현미경을 위한 자기지도 고처리량 이미지 denoising 신경망인 SHINE(Self-supervised High-throughput Image denoising Neural network for Electron microscopy)을 소개하며, 다양한 재료 시스템에 대한 최소 침습적 저선량 EM을 가속한다. SHINE은 내재적 노이즈를 포함한 단일 원본 이미지 데이터셋만을 사용하므로 크기가 제한된 데이터셋에 적합하며, 값비싼 정답(ground-truth) 학습 데이터셋이 필요 없어진다. 우리는 SHINE이 현재의 고해상도 TEM, in situ 액체상 TEM, 시간-시계열 스캐닝 TEM, 그리고 cryo-TEM에서 정보 한계를 극복함을 정량적으로 입증하였으며, 이를 통해 광범위한 재료에 걸친 명확한 고처리량 구조 분석을 가능하게 한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.