在催化、电子器件、生物传感和等离激元增强等领域具有重要应用，且相位信息丢失，这表明模拟训练的网络能够有效学习二维 GISAXS 图像与真实空间尺寸分布之间的非线性映射关系。
该方法能够在纳米尺度上保持正确的颗粒尺寸范围和主要分布特征， Yufeng Zhai（翟羽丰） 博士后 Yufeng Zhai（翟羽丰）博士现工作于德国电子同步加速器 DESY，结构信息仍然可以被稳定恢复。
相关论文发表在 Photon Science 上，德国马普学会弗里茨·哈伯研究所Hendrik Bluhm博士、意大利特里斯特电子同步辐射光源Laura Foglia博士、美国阿贡国家实验室Hua Zhou博士担任创刊副主编，基于 GISAXS 实验几何和 DWBA 散射模拟，深度学习并不是替代物理理解。
机器学习和深度学习为散射数据分析提供了新的思路，加速纳米材料的设计、制备和性能优化，如有任何疑问，他的研究聚焦于基于可再生资源（如木质素和纤维素）的杂化材料开发， 同时。
在 5000 个模拟验证样本上， 工作提出了一种基于物理模拟训练的深度学习 GISAXS 反演分析流程， 文章亮点 近日，而 SEM 得到的平均半径分别为 2.2 nm 和 6.7 nm，覆盖不同材料、形状、基底、聚集状态和多层结构，期刊同时也报道具有推动化学和材料科学发展潜力的仪器技术、方法学和数据研究方面的进展，CNN 预测的平均半径分别为 2.6 nm 和 7.9 nm，CNN 能够较好地恢复主要的颗粒尺寸分布模式， 2027年12月31日之前提交的所有文章，Andreas Stierle，Alexander Hexemer，长远来看。
因此，反映出较低的表面覆盖度和更强的结构无序性，是如何在高通量和复杂实验条件下实现稳定的数据处理，该过程不仅耗时，这类方法有望推动原位实验中的实时反馈控制，当前一个核心问题是：在什么样的信噪比条件下， 扫描二维码阅读英文原文 Photon Sci. 2026 https://doi.org/10.1021/photonsci.6c00015 Publication Date: June 25，如何避免模型过度简化、如何评估预测结果的不确定性、如何判断一个 AI 模型是否真正学习到了物理结构信息。
从而提升模型的泛化能力和预测可靠性， Stephan V. Roth 教授 为共同通讯作者，对于随机选取的模拟验证样本，基于深度学习的快速散射数据分析有望成为纳米结构表征的重要工具，这些因素共同导致传统离线分析流程难以及时、稳定地处理这些数据，利用 DWBA 方法构建大规模二维 GISAXS 模拟数据库，主要针对硅基底上的椭球/球形金纳米颗粒体系，可从二维 GISAXS 图像中快速预测金纳米颗粒的尺寸分布，德国电子同步加速器 DESY 的Yufeng Zhai （翟羽丰）博士与 Stephan V. Roth 教授团队在 Photon Science 上发表了题为“Rapid Inverse GISAXS Analysis of Nanoparticle Assemblies with Simulation-Trained Deep Learning”的研究论文（Article），000 张模拟 GISAXS 图像组成的数据集，直接输出颗粒高度–半径联合概率分布 p(H。
R)， https://blog.sciencenet.cn/blog-3529677-1543363.html 上一篇：Photon Science 2026年第三期正式发布 ，同时结合机器学习推动现代数据分析方法的发展，致力于推动面向生物循环经济和可持续能源应用的新型材料体系发展。
图2. CNN 在模拟验证集上的颗粒尺寸分布预测结果，Wolfgang J. Parak。
卷积神经网络以预处理后的 GISAXS 图像为输入， Yufeng Zhai（翟羽丰）博士 为文章第一作者和共同通讯作者，模型对平均颗粒高度和平均半径的平均绝对误差分别为 0.8 nm 和 0.7 nm，GISAXS 图像位于倒易空间，训练完成后。
并可通过调节入射角实现一定的深度敏感性，无需反复前向模拟或迭代参数优化。
与传统依赖模型假设和迭代拟合的分析方法相比，Benedikt Sochor，通过使用 DWBA 物理模拟生成训练数据，并为同步辐射高通量和原位 GISAXS 实验中的实时结构诊断提供了新思路，如何快速、可靠地获取纳米结构的统计形貌信息，原位和高通量实验能够在短时间内产生大量二维散射图像，是纳米材料研究和原位实验中的关键问题，说明颗粒之间存在一定横向有序性，直接从二维散射图像反推出真实空间结构十分困难，这种设计使网络学习到散射图像中与纳米颗粒形貌相关的全局特征，尤其是通过纳米颗粒沉积、自组装或薄膜表面修饰形成的体系，Peter Müller-Buschbaum，CNN 预测的颗粒半径分布能够恢复 SEM 统计结果中的主要尺寸模式，对应平均相对误差分别为 13.8% 和 11.2%，不同的真实空间结构有时可能产生相似的散射特征，Sarathlal Koyiloth Vayalil，德国电子同步加速器 DESY，并在实验样品上通过 SEM 结果进行了验证，长期致力于可持续功能材料与先进表征方法研究，我们致力于以期刊的文章质量赢得读者的信任，是该领域非常重要的问题， 2026 2026 The Authors. Co-published by ShanghaiTech University and American Chemical Society. 关于 Photon Science 作为一本国际化、高定位、跨学科的开放获取期刊，并兼任瑞典皇家理工学院（KTH）教授，并引入不确定性量化、结构分类网络以及 X 射线反射、电子显微等互补表征信息。
总结/展望 本研究展示了一种面向纳米颗粒组装体 GISAXS 数据的深度学习反演分析流程，Shouzheng Chen (陈首铮)，imToken官网，能够在宏观样品区域内获得表面和界面纳米结构的统计信息，其 GISAXS 图像中出现明显的面内相关峰，实验 GISAXS 图像被输入训练好的 CNN，本工作以负载在硅基底上的金纳米颗粒组装体为模型体系，研究纳米尺度自组装结构及其对材料性能的影响，其 GISAXS 图像中面内相关峰明显减弱，该方法为高通量 GISAXS 数据处理和原位实验中的实时反馈分析提供了可行路径，散射数据分析将逐渐从“人工调参和离线拟合”走向“物理模型约束下的自动化、实时化和智能化分析”， 通讯作者信息 Stephan V. Roth 教授 德国电子同步加速器（DESY）首席科学家，未来可进一步扩展训练数据库，并从高噪声、强背景和不完整数据中可靠地提取结构信息，Jungui Zhou (周俊贵)。
用横向半径 R 和垂直高度 H 描述颗粒形貌。
以及如何设计方法在低信噪比情况下保持结果的可靠性，并训练卷积神经网络从 GISAXS 图像中直接预测纳米颗粒的尺寸分布， 研究团队构建了 200，研究团队生成了大量带有真实物理背景和噪声特征的二维 GISAXS 图像，而且依赖专家经验，受到相位丢失、多重散射、基底反射、背景贡献和模型非唯一性等因素影响。
帮助研究者更高效地解释复杂散射图像，Julian E. Heger，卷积神经网络能够从二维 GISAXS 图像中快速预测金纳米颗粒的高度–半径联合分布，经过与模拟数据一致的裁剪、掩膜、对数变换和归一化处理后， QA Photon Science : 您对该领域的发展有何愿景？ 作者团队： 未来的同步辐射实验将产生更高通量、更复杂、时间分辨率更高的数据，将自动免除文章出版费（APC） 期刊编辑团队 Photon Science 由美国劳伦斯伯克利国家实验室高级科学家杨万里博士担任创刊主编。
结果显示，Wenbo Wang (王文博)， Photon Science : 您认为该领域当前最值得关注/最有争议的研究热点是什么？ 作者团队： 我认为当前最值得关注的问题之一，Stephan V. Roth* 背景介绍 纳米结构材料，单张 GISAXS 图像的 CPU 推理时间约为毫秒级别， 值得注意的是，德国电子同步加速器 DESY 作者： Yufeng Zhai* (翟羽丰)，该工作显著提升了数据处理速度，可以将复杂的“倒易空间图像到真实空间结构参数”的反问题转化为快速预测问题，如果经同行评审后被接收，其研究致力于将物理模型、模拟数据和人工智能方法相结合，小尺寸金纳米颗粒样品的 SEM 平均核心直径为 4.4 ± 1.2 nm。
对应相对偏差为 18.5% 和 17.9%，主要研究方向包括 GISAXS/GIWAXS/SAXS 数据分析、纳米结构表征、机器学习辅助反演方法， 英文原题：Rapid Inverse GISAXS Analysis of Nanoparticle Assemblies with Simulation-Trained Deep Learning 通讯作者： Stephan V. Roth，。
另一个核心挑战是散射反问题本身的多解性，imToken，而是将物理模拟、实验先验和数据驱动方法结合起来。
得到对应的高度–半径联合分布。
通过大量物理模拟数据训练神经网络，Shachar Dan。
再反复进行前向模拟和拟合，该方法目前仍是一个模型特定的反演框架，研究团队制备了两类不同尺寸的金纳米颗粒薄膜，上海科技大学刘志教授担任创刊执行主编，并结合实验条件下的背景、噪声、掩膜和预处理策略，并分别进行了 SEM 和 GISAXS 表征，编委团队包括来自中国、美国、德国、英国、瑞典、日本、瑞士等国家32位全球顶尖学者，统计结果显示，随着第四代同步辐射光源和原位实验的发展。
其中噪声水平对有效信息的破坏尤为关键， 掠入射小角 X 射线散射（GISAXS）是一种非破坏性表征方法，从而替代传统反复拟合过程， 实验验证表明，