走査型電子顕微鏡画像解析のためのMixture of Experts基盤モデル

Abstract

走査型電子顕微鏡（SEM）は、幅広い構造・化学・機能に関する調査において高解像度のイメージングを可能にし、現代の材料科学に不可欠です。しかし、SEMイメージングは、タスク固有のモデルと、手作業を要する負荷の高い取得プロセスによって制約されており、多様な用途へのスケール拡大が困難になっています。ここでは、多様な材料系およびイメージング条件にわたって汎化できる最初のSEM画像用基盤モデルを導入します。このモデルは、多インストゥルメントかつ多条件の科学的マイクログラフの大規模コーパスで事前学習されており、汎化を可能にします。自己教師ありトランスフォーマー・アーキテクチャを活用することで、当社のモデルは、豊かで転用可能な表現を学習し、さまざまな下流タスクに対して微調整または適応できるようになります。説得力のある実例として、焦点ずれ（defocus）から焦点合わせ（focus）への画像変換、すなわち自動顕微鏡パイプラインにおいて不可欠であるにもかかわらず十分に研究されてこなかった課題に焦点を当てます。提案手法は、対応付けられた教師なしの状況で、焦点ずれ入力から焦点の合った詳細を復元するだけでなく、複数の評価指標において最先端手法を上回ります。本研究は、基盤表現学習と現実のイメージング要件を橋渡しすることで、材料探索を加速しうる、新しいクラスの適応可能なSEMモデルのための基盤を築きます。