Status: Bibliographieeintrag
Standort: ---
Exemplare:
---
| |  Online-Ressource |
|---|
| Verfasst von: | Krull, Alexander [VerfasserIn]  |
|---|
| | Hirsch, P. [VerfasserIn] |
|---|
| | Rother, Carsten [VerfasserIn] |
|---|
| | Schiffrin, A. [VerfasserIn] |
|---|
| | Krull, C. [VerfasserIn] |
|---|
| Titel: | Artificial-intelligence-driven scanning probe microscopy |
|---|
| Verf.angabe: | A. Krull, P. Hirsch, C. Rother, A. Schiffrin & C. Krull |
|---|
| E-Jahr: | 2020 |
|---|
| Jahr: | 19 March 2020 |
|---|
| Umfang: | 8 S. |
|---|
| Fussnoten: | Gesehen am 28.04.2020 |
|---|
| Titel Quelle: | Enthalten in: Communications Physics |
|---|
| Ort Quelle: | London : Springer Nature, 2018 |
|---|
| Jahr Quelle: | 2020 |
|---|
| Band/Heft Quelle: | 3(2020), Artikel-ID 54, Seite 1-8 |
|---|
| ISSN Quelle: | 2399-3650 |
|---|
| Abstract: | Enabling atomic-precision mapping and manipulation of surfaces, scanning probe microscopy requires constant human supervision to assess image quality and probe conditions. Here, the authors demonstrate DeepSPM, a machine learning approach allowing to acquire and classify data autonomously in multi-day Scanning Tunnelling Microscopy experiments. |
|---|
| DOI: | doi:10.1038/s42005-020-0317-3 |
|---|
| URL: | Bitte beachten Sie: Dies ist ein Bibliographieeintrag. Ein Volltextzugriff für Mitglieder der Universität besteht hier nur, falls für die entsprechende Zeitschrift/den entsprechenden Sammelband ein Abonnement besteht oder es sich um einen OpenAccess-Titel handelt.
Volltext: https://doi.org/10.1038/s42005-020-0317-3 |
|---|
| | Volltext: https://www.nature.com/articles/s42005-020-0317-3 |
|---|
| | DOI: https://doi.org/10.1038/s42005-020-0317-3 |
|---|
| Datenträger: | Online-Ressource |
|---|
| Sprache: | eng |
|---|
| K10plus-PPN: | 1696744784 |
|---|
| Verknüpfungen: | → Zeitschrift |
|---|
Artificial-intelligence-driven scanning probe microscopy / Krull, Alexander [VerfasserIn]; 19 March 2020 (Online-Ressource)
68571336
