近日资料基因组工程钻研院（MGI）孙强教授课题组在机械视觉分析表表超分子结构方面获得进展，钻研成就颁发于Angew. Chem. Int. Ed.（最新影响因子: 16.8），论文标题为“A Deep-Learning Framework for the Automated Recognition of Molecules in Scanning-Probe-Microscopy Images”。

推算机视觉作为深度进建的沉要分支，被宽泛使用在各类图像数据处置领域。得益于扫描探针显微镜（SPM）技术的发展，钻研人员可能直观地在单分子、甚至是单原子尺度上观察和分析物质。然而，一向以来在SPM图像中提守信息重要依赖于尝试人员的主观分析。

图1：深度进建框架工作流程概述。此工作流程从尺度SPM图像采集起头，而后通过t-SNE算法进行图像评估，该算法用于确认高分辨率SPM图像中分子的可分性。随后，在原始SPM图像当选择一个幼区域的分子进行象征和数据加强，并作为事俘宰割深度进建模型（Mask R-CNN）的数据集。最后，机械视觉模型在训练后将自动批量评估SPM图像并输出预测了局。

在本工作中，作者开发了一个深度进建框架，使用Mask R-CNN指标检测算法来实现SPM二元或多元纳米结构中单分子的鉴别、分类和事俘宰割。为了展示该框架对分子的敏感度，作者使用了在SPM图像中极为类似的两种三角形分子作为案例。试验了局批注，该框架能够高效正确辨识出两种分子在SPM图像上的轻微差距并勾画出分子概括。

另表，课题组与南开大学王幼野教授合作的“Heteroatom-Edged [4]Triangulene: Facile Synthesis and Two-Dimensional On-Surface Self-Assemblies”论文也于近日颁发于Angew. Chem. Int. Ed.。该论文论述了一种新型的拥有氧–硼–氧（OBO）掺杂边缘的杂[4]三角烯，并实现了在金属表表的二维有序组装（图2）。尝试和理论推算批注硼氧杂[4]三角烯能在金属表表通过度子间C–H···O氢键作用，在分歧基底的调控作用下实现多孔组装与致密堆积组装两种长程有序的结构，显著区别于无序或孤立存在的全碳[4]三角烯。该工作展示了一类新型硼氧杂[4]三角烯分子，拓展了杂三角烯的资料系统，并进一步证了然其形成二维表表自组装中的潜力，为纳米石墨烯分子阵列化及其在将来纳电子器件等领域的利用提供了新的思路。

图2：A.已有的[4]三角烯和本文报路的硼氧杂[4]三角烯及其在分歧基底上的组装描摹示意图；B.（a–h）OBO三角烯在分歧基底上组装体的STM图像；（i）基于分歧组装结构的二聚体模型。

两篇论文工作重要由j9国际集团MGI孙强教授课题组与南开大学王幼野教授课题组合作实现。论文一中孙强教授为唯一通讯作者，第一作者为MGI硕士生朱志文。论文二中孙强教授为共同通讯作者，MGI博士生陆佳宜为共同第一作者。MGI表表科学课题组（www.qiangsungroup.cn）近年来利用数据挖掘、机械进建和人为智能步骤，结合高通量尝试伎俩钻研人为智能在表表科学中的利用，蕴含机械视觉、自动指标鉴别和机能预测。

论文一链接：https://doi.org/10.1002/anie.202213503

论文二链接：https://doi.org/10.1002/anie.202212594