讲者简介：张林峰，深势科技创始⼈&首席科学家，北京科学智能研究院 (AI for Science Institute, Beijing) 院长，北京大学理学学士，普林斯顿大学应用数学博士。林峰长期致力于 AI for Science 跨学科领域的问题研究，在机器学习、计算物理化学、材料与药物设计等领域成果丰富。林峰带领团队发展了 Deep Potential/Reinforced Dynamics/Uni-Mol/Uni-Fold 等模型算法、DeePMD-kit/DeePKS-kit 等开源软件、以及 AI for Science 领域最大的开源社区 DeepModeling，领导社区基础设施建设、项目协同开发和运营工作。2020年，林峰作为核心开发者的工作获得高性能计算领域最高奖 ACM 戈登贝尔奖，该成果也入选了由两院院士评选的2020年度中国十大科技进展。

报告题目：AI赋能实验表征革新 - 探索深度学习在材料电镜表征分析中的应用

报告摘要：本报告将介绍AI与图像结合的“非典型”但空间巨大的应用场景。在材料科学研究中，电子显微镜作为一种高分辨率的表征工具，对于揭示材料微观结构和性质至关重要。然而，传统的电镜图像分析方法往往耗时且依赖于专家经验。利用深度学习技术有望大大提高电镜图像的自动化分析能力。我们将概述深度学习在电镜图像分析中的作用以及处理电镜图像的挑战。进一步，通过案例研究，我们将展示深度学习模型在材料缺陷检测、晶粒尺寸分析和相识别等任务中的高效性和准确性，并探讨深度学习在处理大规模电镜数据集时的优势，包括提高分析速度和降低人工成本。最后，我们也将通过实战平台[1-3]，介绍有AI+图像处理背景的同学如何快速进入到实验表征分析这一领域。

1.SEM particle app：https://app.bohrium.dp.tech/particle/workbench/

2.二维材料缺陷检测app：https://app.bohrium.dp.tech/defect-detection/workbench/

3.STEM 图像仿真notebook： 浅谈STEM图像｜机器学习助力材料图像表征