008240612s2023      us  |||||||||||||||c||eng  d
■001000016933422
■00520240214101244
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798379726393
■035    ▼a(MiAaPQ)AAI30529041
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a530
■1001  ▼aChang,  Dillan  Jae.
■24510▼aApplications  of  Iterative  and  Deep-Learning  Algorithms  in  2-D  and  3-D  Coherent  Electron  Microscopy▼h[electronic  resource]
■260    ▼a[S.l.]:▼bUniversity  of  California,  Los  Angeles.  ▼c2023
■260  1▼aAnn  Arbor  :▼bProQuest  Dissertations  &  Theses,  ▼c2023
■300    ▼a1  online  resource(144  p.)
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  84-12,  Section:  B.
■500    ▼aAdvisor:  Miao,  Jianwei.
■5021  ▼aThesis  (Ph.D.)--University  of  California,  Los  Angeles,  2023.
■506    ▼aThis  item  must  not  be  sold  to  any  third  party  vendors.
■520    ▼aSignificant  improvements  have  been  made  in  pipelines  for  the  acquisition  and  storage  of  data  from  scanning  electron  imaging  experiments.  Within  these  data  contain  valuable  information  such  as  structure,  defects  and  compositions  of  samples  that  must  first  be  inverted  via  an  expensive  numerical  process.  A  typical  scanning  CDI  imaging  setup  records  measurements  in  4-dimensions  -  2  from  scanning  and  2  from  scattering  dimensions,  and  with  countless  microscopy  experiments  and  continuous  infrastructure  upgrades,  the  computational  demand  for  facilitating  the  inversion  process  and  analyzing  the  results  grow  at  an  exponential  pace.A  numerical  study  of  the  advantages  of  incorporating  ptychographic  phase  projections  in  atomic  electron  tomography  is  presented.  Reconstructed  phase  images  are  linear  projections  of  the  Coulomb  potential  and  thus  are  able  to  image  low-Z  atoms  at  a  lower  electron  dose.  Advantages  of  ptychographic  AET  are  presented  with  numerical  simulations  of  the  methodology  on  a  5-nm  zinc-oxide  nanoparticle  and  WS2/WSe2  van  der  Waals  heterostructure.In  the  field  of  machine  learning,  specifically  in  the  field  of  deep  learning,  computer  scientists  were  able  to  effectively  leverage  Graphics  Processing  Units  to  train  mathematical  structures  that  act  as  universal  function  approximators.  These  neural  networks  shocked  the  world  in  their  power  and  versatility:  complex  image  classification,  creative  text  generation,  and  calculation  of  heuristics  for  games  previously  thought  by  mankind  as  impossible.This  thesis  facilitates  the  merging  of  Fourier  microscopy  and  machine  learning  via  the  introduction  of  a  novel  deep-learning  based  algorithm  that  processes  diffraction  patterns  into  meaningful  phase  image  reconstructions.  After  a  systematic  explanation  of  the  algorithm,  experimental  results  from  scanning  electron  CDI  experiments  imaging  monolayer  graphene,  twisted  bilayer  hexagonal  boron  nitride,  and  a  gold  nanoparticle  are  presented  along  with  comparisons  via  traditional  methods.
■590    ▼aSchool  code:  0031.
■650  4▼aPhysics.
■650  4▼aComputer  science.
■650  4▼aNanotechnology.
■650  4▼aOptics.
■653    ▼aScanning  electron  imaging
■653    ▼aLow-Z  atoms
■653    ▼aZinc-oxide
■653    ▼aNanoparticle
■653    ▼aHeterostructure
■690    ▼a0605
■690    ▼a0752
■690    ▼a0984
■690    ▼a0652
■71020▼aUniversity  of  California,  Los  Angeles▼bPhysics  0666.
■7730  ▼tDissertations  Abstracts  International▼g84-12B.
■773    ▼tDissertation  Abstract  International
■790    ▼a0031
■791    ▼aPh.D.
■792    ▼a2023
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T16933422▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.
■980    ▼a202402▼f2024