本研究提出了一种端到端的自监督机器学习方法，通过仅仅使用衍射图像来恢复粒子方向并估计倒易空间强度，从而在 X 射线自由电子激光器的实验条件下展示了卓越的鲁棒性和显著增强的重建能力，标志着在目前 XFEL 上实施的单颗粒成像中的范式转变。

Nov, 2023

提出了一种基于 X 射线的稀疏视图 3D 重建框架 SAX-NeRF，通过使用 Line Segment-based Transformer 模型化 X 射线中的物体内部结构，并使用 Masked Local-Global ray sampling 策略提取 2D 投影的上下文和几何信息，实验证明 SAX-NeRF 在新视角合成和 CT 重建方面优于以前的基于 NeRF 的方法。

Nov, 2023

高能 X 射线衍射方法可非破坏性地对金属多晶工程材料的 3D 微结构和相关属性进行映射，而本研究提出的全自动技术可迅速检测高能 X 射线显微镜数据中塑性的发生，为驱动智能多模态 X 射线衍射方法的实验提供及时可行信息。

Dec, 2023

本研究针对开发新薄膜材料中最耗时的 X 射线衍射数据收集和分析提出了机器学习模型，该模型可以从有限数量的薄膜 XRD 模式中预测结晶维度和空间群，并使用模型无关的物理驱动数据扩充策略来克服材料开发中固有的稀缺数据问题，经过测试，该模型具有 93% 和 89% 的维数和空间群分类交叉验证精度。

Nov, 2018

通过对 PXRD 模式进行匹配和生成，XtalNet 是一种基于深度学习的全流程框架，能够准确匹配给定 PXRD 模式的晶体结构。

Jan, 2024

使用发射器阵列的 X 射线扫描仪可同时产生多个发射源，但可能存在测量值重叠的非线性约束。本文提出了一种新的基于测量值重叠的非线性约束的 3D 图像重建模型，并提出了一种可解决该问题的算法。实验结果表明，模型在模拟和真实测量中均具有高度优异的图像重建效果。

Nov, 2016

使用非监督物理知识神经网络重建方法，结合衍射正演映射与重叠测量的约束，提高了重构速度和质量，为高通量环境下的高分辨率实时成像带来了令人兴奋的前景。

Jun, 2023

本文介绍了一种新颖的通过深度神经网络在傅里叶空间编码结构，将粒子和共同体的不断变化的结构进行建模，并通过准确的图像定向使得模型能从无标注的 2D 冷冻电镜图像训练出来，最终得到了一种直接对冷冻电镜图像进行连续体蛋白质结构建模的方法 cryoDRGN，在模拟和真实 2D 冷冻电镜图像数据上实现了 3D 蛋白质复合物的 ab initio 重建。

Sep, 2019

介绍了一种新颖的机器学习方法，使用多分支深度神经网络和计算的粉末 X 射线衍射，结合部分化学组成信息，实现对结构的成功求解。

Dec, 2023

基于扩散模型的框架实现了逆转因成像模态的特性而导致各向异性轴向分辨率的挑战，且无需参考数据或先验知识，通过利用 2D 扩散模型持续重建 3D 体积，在高度下采样数据中表现出优越性，并通过在两个公共数据集上的实验，证明了与监督学习方法相比利用生成先验的鲁棒性和优势。此外，还证实了自监督重建方法可以在无训练数据的情况下恢复单个各向异性体积。

Aug, 2023