Descrizione del progetto
Nuovi algoritmi automatizzano e migliorano l’analisi delle immagini di oggetti di dimensioni nanometriche
La microscopia elettronica sfrutta un fascio di elettroni piuttosto che la luce visibile per ingrandire l’immagine di un oggetto. Questa tecnologia ci ha permesso di indagare anche su oggetti di dimensioni nanometriche, fornendo una nuova finestra sul mondo dei campioni biologici e non biologici. La prossima importante frontiera è quella di trovare il modo di analizzare tutte le informazioni ora disponibili in modo standardizzato, veloce ed efficiente, estraendo le informazioni di interesse. I recenti progressi della microscopia ne fanno fondamentalmente una necessità. I dati emessi dai microscopi elettronici sono in formato digitale e si prestano logicamente ad analisi computerizzate e automatizzate. Il progetto STARE, finanziato dall’UE, sta sviluppando un pacchetto software per rendere possibile l’analisi di questi enormi set di dati.
Obiettivo
In recent years, the analysis of large data sets is becoming increasingly important in the fields of material science and engineering. There is a strong demand for real-time automated identification algorithms in electron microscopy (EM) for the analysis of atomic-structure, phases, and defects. Unfortunately, it is non-trivial to obtain or extract meaningful scientific information from raw EM output digital data. It requires a tedious process of filtering/fitting and the expertise of a seasoned microscopist. With the rapid development of information technology and computer science, automated computer-assisted analysis of electron microscopy images/data is becoming a reality. In the past decade, different techniques have been developed and applied to digital data analysis. Meanwhile, the rapid development of novel microscopy techniques and instrumentation, e.g. in situ/operando and pixelated detector-based techniques, require high-speed data execution and analysis. Currently, several groups worldwide are concentrating their efforts into implementing machine learning and deep learning algorithms for image/data analysis. However, this is still a very undeveloped direction in the field of electron microscopy for materials science, especially in Europe. According to the Digital Transformation Monitor, artificial intelligence-based technologies will play a major role in future economy. The ability to analyse levels of data that are beyond human comprehension will allow business to personalize experiences, customize products and services and identify growth opportunities with a speed and accuracy that has never been possible before. The objective of this PoC is to generate an innovative software package that enables the analysis of large sets of EM data (i) at high throughput with (ii) low costs, in (iii) a standardized approach and (iv) under operando conditions, based on advanced machine learning algorithms.
Campo scientifico (EuroSciVoc)
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP.
CORDIS classifica i progetti con EuroSciVoc, una tassonomia multilingue dei campi scientifici, attraverso un processo semi-automatico basato su tecniche NLP.
- scienze naturaliinformatica e scienze dell'informazionescienza dei dati
- scienze naturaliinformatica e scienze dell'informazionesoftware
- scienze naturaliscienze fisicheotticamicroscopiaelectron microscopy
- scienze naturaliinformatica e scienze dell'informazioneintelligenza artificialeapprendimento automaticoapprendimento profondo
È necessario effettuare l’accesso o registrarsi per utilizzare questa funzione
Programma(i)
Meccanismo di finanziamento
ERC-POC-LS - ERC Proof of Concept Lump Sum PilotIstituzione ospitante
64289 Darmstadt
Germania