8. Oktober 2026 · Sendai
Polymere lassen sich unter dem Elektronenmikroskop nur schwer untersuchen, weil der Elektronenstrahl sie schnell beschädigt. Forschende arbeiten deshalb mit geringer Strahlendosis, erhalten dann aber stark verrauschte Daten, deren Auswertung bislang viel Expertenarbeit erforderte. Ein Team der Tōhoku-Universität in Sendai hat ein Verfahren des maschinellen Lernens entwickelt, das Kristallstrukturen und ihre Orientierung aus solchen Daten automatisch bestimmt. Die Universität und die Japan Science and Technology Agency (JST) stellten die Arbeit am 8. Oktober vor, die Studie erschien am 3. Oktober online in der Fachzeitschrift „npj Computational Materials“.
Grundlage sind Messungen mit 4D-STEM, einer Variante der Rastertransmissionselektronenmikroskopie: Die Probe wird Punkt für Punkt abgetastet, an jeder Position entsteht ein Beugungsbild. Das neue Verfahren kombiniert zwei Schritte. Zunächst entfernt ein selbstüberwachtes Deep-Learning-Modell namens 4D-SSD das Rauschen, ohne dafür rauschfreie Vergleichsdaten zu benötigen. Anschließend ordnet eine unüberwachte Analyse die Muster den Kristallorientierungen zu, unabhängig davon, wie die Kristalle in der Ebene gedreht sind.
Getestet wurde der Ansatz an isotaktischem Polystyrol. Die KI reproduzierte die Ergebnisse früherer Expertenanalysen und fand zusätzlich geringe Mengen kristalliner Bereiche, die bei der bisherigen Auswertung nicht erfasst worden waren. Quantitative Angaben zur Genauigkeit enthält die Pressemitteilung nicht.
Beteiligt waren unter anderem der Doktorand Kai Kamijo und Professor Motoki Shiga von der Graduate School of Information Sciences sowie Hiroshi Jinnai und Tomohiro Miyata vom Institut für multidisziplinäre Materialforschung der Universität. Das Team sieht in dem Verfahren eine Grundlage, um empfindliche Werkstoffe schneller und genauer im Nanobereich zu analysieren und so die Entwicklung neuer Polymere zu beschleunigen. Gefördert wurde die Forschung unter anderem über das JST-Programm CREST.