扫描探针显微镜（SPM）被认为是一种广泛应用的重要表征工具，能够获得固体表面、纳米材料和分子系统的真实空间原子成像。近年来，由于手性分子纳米结构在非线性手性光学、对映选择性催化和对映体特异性传感等领域的广泛应用，通过SPM成像手性分子纳米结构已成为一个重要的科学和技术问题。由于SPM图像分析过程耗时且容易出错，因此需要一种能够识别SPM图像中复杂手性图案的高效分析框架。有鉴于此，新加坡国立大学的Xiaonan Wang等研究人员，开发了分子成像中手性分子的机器视觉自动检测与分类技术。
本文要点
1）研究人员采用了最先进的机器视觉算法来开发一图像一系统的深度学习框架来分析SPM图像。
2）为了证明它的准确性和通用性，研究人员用它来测定由两个具有不同手性结构的超分子自组装体组成的分子的手性。
3）该框架精确地检测到了每个分子的位置并标记了它们的手性。
本文研究的框架为机器学习算法在复杂SPM图像模式自动识别中的广泛应用奠定了基础。
参考文献：
Jiali Li, et al. Machine Vision Automated Chiral Molecule Detection and Classification in Molecular Imaging. JACS, 2020.
DOI：10.1021/jacs.1c03091
https://pubs.acs.org/doi/10.1021/jacs.1c03091
