自動化された電子顕微鏡および走査型プローブ顕微鏡における新規性主導のターゲット空間探索

要旨: 現代の自動化顕微鏡は根本的な発見の課題に直面しています。多くの系において、最も重要な科学情報は、直ちに可視化される画像特徴には存在せず、逐次取得されるスペクトルや機能的応答のターゲット空間に存在します。そのため、既知の目的を単に最適化するだけでなく、新しい挙動を能動的に探索できる戦略を開発することが不可欠です。ここでは、実験中に構造-特性の関係を学習し、進化するモデルを用いて多様な応答レジームを探すことを目的として、深層カーネル学習 BEACON フレームワークを明示的に設計しました。我々はまず、事前取得済みのグランドトゥルースデータセットに基づくデモンストレーションワークフローを通じて手法を確立し、古典的な取得戦略と直接ベンチマークを行えるようにしました。また、探索品質、ターゲット空間のカバレッジ、代理モデルの挙動を透明かつ再現可能な方法で比較するためのモニタリング機能のセットを定義することを可能にしました。このベンチマークフレームワークは、最適化性能だけでなく、発見駆動アルゴリズムを評価する実用的な基盤を提供します。続いて、STEM へのワークフローの運用化と展開を行い、オフライン検証から実験的実装への移行が可能であることを示しました。コミュニティ全体の普及と拡張を支援するため、関連ノートブックを利用可能とし、ユーザーがワークフローを再現し、ベンチマークをテストし、手法を自分の機器とデータセットに適用できるようにします。