通过使用 Python 接口库，我们构建了一个控制扫描探针显微镜的接口，使得可以从本地计算机或远程高性能计算机进行控制；此工作提供了一个完整的基础设施，用于构建自动化的扫描探针显微镜工作流程。

May, 2024

我们重点关注于支持扫描探针显微测量的潜在可能性，强调了应用人工智能，特别是机器学习和量子计算。结果表明，人工智能在实验过程自动化中可以提供帮助，算法搜索良好样本区域，并阐明了结构性质关系的一些见解。因此，它有助于提高光学纳米显微扫描探针的效率和准确性。此外，基于人工智能算法和量子计算的结合可能对扫描探针显微的实际应用有巨大的潜力。文章还讨论了一些局限性，并概述了改进所提方法的研究路径。

Mar, 2024

本文提出了一种大规模计算机 3D 地形显微镜，可实现超过 110 平方厘米范围内的微米分辨率的 6 千万像素的三维成像，并且使用基于神经网络的算法重建出整个视场的光度合成和三维高度图，应用于文物保护、工业检测等领域。

Jun, 2023

本文介绍了在商业应用中使用云计算支持卫星图像的数据密集型分析的经验和使用自己的虚拟文件系统层演示的结果，证明与 HPC 存储系统相当的读取带宽，并展示了研究结果，包括在乌克兰识别田界和基于 Landsat 图像生成全球无云基础层。

Feb, 2017

机器学习在电子显微镜领域逐步获得认可，用于数据后处理中的去噪、语义分割和降维。在使用大型仪器制造商的 API 引入后，现在可以在显微镜中部署机器学习工作流，不仅用于数据分析，还用于实时决策和反馈。然而，实时机器学习的用例数量仍然相当有限。在本文中，我们讨论了设计基于机器学习的主动实验的一些考虑因素，并提出了未来几年的策略可能是人在环回中的自动化实验 (hAE)。在这种范例中，机器学习代理直接控制光束位置、图像和光谱采集功能，人操作员实时监控系统的特征空间中的实验进展，并调整机器学习代理的策略以实现特定目标。

Oct, 2023

本论文探讨了在电子显微镜中使用机器学习来进行数据分析和优化工作流程的挑战，并讨论了人类科学家和机器学习在实验工作流程中的相对贡献以及开发通用超级语言的需求。

Apr, 2023

本研究展示了如何通过调整启动方法和提前部署应用程序，克服任务调度和依赖关系等技术挑战，使用 LLSC 的大规模超级计算机在几秒内启动数千个任务，例如 32,000 个 TensorFlow 进程和 262,000 个 Octave 进程，进而快速研究新型机器学习架构和数据分析算法。

Jul, 2018

借助开源语言模型和有限的计算资源，本文介绍了虚拟科学伴侣（VISION）的原型，通过自然语言实现对基本光束线操作的控制，从而发挥了 VISION 的人工智能特性，并利用同步辐射光束线已有的自动化系统和数据框架。

Dec, 2023

我们提出了一种超光谱存储体系结构，通过将空间复用与频率复用光频梳相结合，并利用空间光调制器作为可编程光学存储器，从而提高计算吞吐量和能源效率。我们在矩阵 - 向量乘法和矩阵 - 矩阵乘法中实验性地演示了高于 4 位精度的乘累加运算，这表明了该系统在各种深度学习和优化任务中的潜力。我们的方法展示了超越传统光学计算体系结构的非凡模块化性，可扩展性和可编程性，并显着超越了 peta（每秒百万亿次）操作，标志着实现高吞吐量、高能效光学计算的重要进展。

Oct, 2023

提出了数据处理流程，包括数据减少的方法，以及应用于可视化预览的多分辨率切片地图、服务器端渲染和直方图滤波等算法，通过评估找到了在保持关键几何信息的前提下将数据减小到兆字节范围的最佳方法。

Nov, 2023