发布时间：
马丁·路德·金 Martin Luther King, Jr 1929年1月15日，小马丁·路德·金出生在美国亚特兰大市奥本街501号，一幢维多利亚式的小楼里。他的父亲是牧师，母亲是教师。他从母亲那里学会了怎样去爱、同情和理解他人；从父亲那里学到了果敢、坚强、率直和坦诚。但他在黑人区生活，也感受到人格的尊严和作为黑人的痛苦。15岁时，聪颖好学的金以优异成绩进入摩尔豪斯学院攻读社会学，后获得文学学士学位。 尽管美国战后经济发展很快，强大的政治、军事力量使它登上了“自由世界”盟主的交椅。可国内黑人却在经济和政治上受到歧视与压迫。面对丑恶的现实，金立志为争取社会平等与正义作一名牧师。他先后就读于克拉泽神学院和波士顿大学，于1955年获神学博士学位后，到亚拉巴马州蒙哥马利市得克斯基督教浸礼会教堂作牧师。 1955年12月，蒙哥马利节警察当局以违反公共汽车座位隔离条令为由，逮捕了黑人妇女罗莎·帕克斯。金遂同几位黑人积极分子组织起“蒙哥马利市政改进协会”，号召全市近5万名黑人对公共法与公司进行长达1年的抵制，迫使法院判决取消地方运输工具上的座位隔离。这是美国南部黑人第一次以自己的力量取得斗争胜利，从而揭开了持续10余年的民权运动的序幕，也使金博士锻炼成民权运动的领袖。 1968年4月4日，金被种族分子暗杀。 美国政府规定，从1986年起，每年1月的第3个星期一为小马丁·路德·金全国纪念日。
你好。《我有一个梦想》（I have a dream）是马丁·路德·金于1963年8月28日在华盛顿林肯纪念堂发表的著名演讲，内容主要关于黑人民族平等。
日耳曼：在部分国人的印象里，一说起日耳曼民族，好象单单指德国人，实际上，这可是一个天大的误会了！！！ A 古罗马帝国晚期，日耳曼人已形成几大分支，如东哥特、西哥特、法兰克、勃艮第、汪达尔、盎格鲁、萨克森、诺曼人等（当然还有些小支派）。 B 东哥特人中的主体--伦巴底人后与罗马人融合成为现代的北部意大利人； 西哥特人则构成今西班牙人、葡萄牙人的重要渊源；法兰西民族、比利时的瓦隆人（讲法语）是一部分法兰克人与凯尔特人（也即高卢人）融合的结果；另一部分法兰克人与大部萨克森人是今德国人、奥地利人、大部瑞士人、荷兰人、比利时的弗拉芒人（讲荷兰语）的祖先；盎格鲁人、一部萨克森人（也即撒克逊人），还有朱特人到了英格兰；诺曼人的一部自然是今丹麦、挪威、瑞典和冰岛各民族的先人啦，另一些诺曼人则汇入了英格兰人、法兰西人（北部）、爱尔兰人、东斯拉夫人。 C 至于汪达尔人，听说过汪达尔主义吧？日耳曼人中的破坏之王！在当年的所谓蛮族入侵罗马帝国的浪潮下，他们经西班牙攻入北非迦太基并建国，后又于公元五世纪二十年代一度北向渡海攻占了万城之城--罗马，将其几乎烧个精光，比中国秦末项羽一把火烧掉阿旁宫可出名多了，汪达尔主义由此得名；大约一个世纪后，东罗马帝国查士丁尼派兵再入北非，灭亡了汪达尔王国，汪达尔人从此消失得无影无踪，一般认为是同化于当地土著及后来的阿拉伯人了（汪达尔人他们总共才四五十万人）。所以，你能一口咬定前世界足球先生——阿尔及利亚裔的齐达内身上就没一点汪达尔人的血统吗？总之，汪达尔人算得上是光荣的日耳曼人中历史表现最差的一支了，一点建设性都没有。以上关于日耳曼人和现今欧洲一些民族之间的关系，当然是在很概括的层面上谈的，实际的演变过程显然要比这复杂一些，因此血统上会更混血。不过，可以肯定的是，相比较而言，丹麦人、挪威人、瑞典人、冰岛人、荷兰人、英格兰人、德意志人，绝对是日耳曼人最纯粹的后裔。例如，古罗马帝国灭亡以后，英格兰直到公元1066年，外敌多次入侵，但全部是日耳曼人：先是盎格鲁一撒克逊人和朱特人，然后分别是维金人、丹麦人、诺曼人（后三者其实统称为诺曼人，属于日耳曼人的北支）。原住民凯尔特人与古不列颠人被驱逐到北部和西边，分别形成今天的苏格兰人和威尔士人（凯瑟琳·泽塔·琼斯就是威尔士人）。 日耳曼人的优秀是无庸置言了。其自由主义和个人主义意识、契约观念以及勇武冒险精神等等这些卓越的种族禀性再加上伟大的基督教信仰和古希腊、古罗马的宝贵遗产，从一开始就已经决定了日后西方文明必将大行于世界。
日耳曼就是德国..汗...GERMAN 直译就是德国..其他就不用说了吧德国军人的素质(这就是日耳曼精神)在二战后期,美国进入法国后,逐渐俘虏了一批德国军官.美国人把这些德国军官关押在一个 战俘营里,对他们表现的比较优待.美国人认为德国军官具有骑士精神,而且个个都是职业军 人,有很高的军事素养和坚强的意志,值得尊敬. 一天晚上,附近的美国军官举行晚会,邀请了一些战俘营里的德国军官也来参加.许多美 国军官纷纷表演自己的节目,而德国军官则旁坐一边,在静静的观看着战胜者的表演,只有一 位施密特的德国少校对在场的美国军官的表演不以为然.这种情绪被一位美国将军看出来了 ,他询问施密特少校,：\\\\\\\\\\\\\\"为什么？\\\\\\\\\\\\\\"少校说,你的乐师在演奏柴可夫斯基的乐曲时,有许多错 误. 美国将军有些不以为然,就邀请这位施密特少校去演奏,少校有些迟疑的被美国人拉到 了钢琴旁边,但当他整理好自己的军服以后,深吸了一口气,开始了他的表演.当施密特少校 演奏结束以后,整个大厅一片沉寂.随后又爆发出一阵经久不息的热烈的掌声. 哪位美国将军问施密特少校,你是从哪个音乐学院毕业的？ 少校惊讶的看了将军一眼,说我从没读过音乐学院,我是从上西里西亚陆军军官学校毕 业的正规德国军官. 美国将军的眼里露出了诧异的眼神,又问少校,那你的钢琴是在哪儿学的啊？ 少校回答说,在军官学校! 接着少校告诉将军：在德国的军校中都设有专门的艺术专修 课,每一位未来的军官都要接受良好的艺术教育,并掌握一二门乐器或声乐技艺,在座的德国 军官中,比我的艺术水平高的大有人在. 美国将军露出了不解的神情,他又问到,为什么你们的军校要专设艺术课呢？ 施密特少校不无骄傲的说,在我们德国军人看来,战争不仅是一门科学也是一门艺术,除 了良好的军事素质和坚强的意志，每一位指挥官的战争表现都与他的想象力和艺术造谐密 切相关的.只有最富于想象力的统帅.才能创造出杰出的作品. 全场的美国军人再次一片安静.也许他们懂了,为什么只有五千万人口的德国能够与大 半个地球的军人们厮杀了七八年而又如此辉煌了.........以前听说过这样一个故事：在没有接到口令下一队士兵列步走到了悬崖边，德国兵毫不犹豫地往前走掉了下去，日本兵原地踏步，美国兵则掉转枪头找当官的算账去了。
1、从内部摧毁了以教宗为首的罗马教会作为精神权威存在的传统根基。这在破除罗马教会对文化垄断权的同时，也奠定了德国语文的基础和规范。
2、1519年，马丁·路德在莱比锡参加神学论战，否认教宗的权力，说是没有教宗，教会也能存在。他点燃的宗教改革之火，在德国有了燎原之势，犹如耶稣所说：“我来，并不是叫地上太平，乃是叫地上动刀兵。
3、支持了当时德意志各邦民族主义对罗马的反抗，得到了北部各邦诸侯和民众广泛的拥护和保护，在萨克森选帝侯的庇护下隐居于黑森-图林根交界的瓦尔特堡（Wartburg），从而首先把《圣经》从希腊文译成高地德语印行。
扩展资料：
背景
马丁·路德在大学中学习法律的同时，接受了当时进步的人文主义思想。此后又研究神学，1508年起，在维滕贝格大学担任神学教授。曾经周游各地，到过罗马，耳闻目睹罗马教廷和教会的腐败黑暗，产生了改良教会的思想。罗马教会宣扬，人死后灵魂要想升入天堂，必须由教士履行宗教仪式。
参考资料：百度百科-九十五条论纲
高中历史必修3有意义
论纲的意义在于对天主教关于只要通过教会和教皇才能赎罪的说教予以公开的否定，这无疑是对天主教的一个沉重打击。在当时德国社会矛盾极端尖锐的形式下，各阶层矛头都指向罗马天主教会，所以路德的论纲就是在全德放出的闪电，并成为席卷一切等级而震撼整个德国的信号，引起整个德国都投入运动，拉开了宗教改革的序幕……
1520年，马丁•路德先后发表3篇文章：《致基督教贵族公开信》、《教会的巴比仑之囚》和《论基督徒的自由》，阐述了自己的神学观点及与此相适应的组织原则和礼仪规定，为路德宗的建立奠定了基础。
马丁·路德（1483～1546)，16世纪欧洲宗教改革倡导者，新教路德宗创始人。《九十五条论纲》是马丁·路德于1517年10月31日张贴在德国维滕堡城堡教堂大门上的辩论提纲，现在普遍被认为是新教的宗教改革运动之始。马丁·路德公布这些陈述的本意如其引言中所述，仅仅只是作为学术辩论的出发点，正即所谓“论纲”，而非政治纲领﹐为的是改良罗马教会而非进行对抗式的改革。他说：“我只点了一把火，但是所用的是真理的语言。” 由于他的主张符合当时对罗马教会普遍不满的市民阶级和新兴贵族的利益，路德派很快由德意志各邦传播到了欧洲各地。他的行为支持了当时德意志各邦民族主义对罗马的反抗，他此后也得到北部各邦诸侯和民众广泛的拥护和保护，在萨克森选帝侯的庇护下隐居于黑森-图林根交界的瓦特堡，从而把《圣经》从希腊文译成高地德语印行。使一般民众也有机会亲自学习、诵读和解释《圣经》，而无须借助教会和教士，这就从内部摧毁了以教宗为本的罗马教会作为精神权威存在的传统根基。这在破除罗马教会对文化垄断权的同时，也奠定了德国语文的基础和规范，是文化上的一大贡献。罗马教会所谓“反改革”的诸多措施，也在很大程度上改变了罗马教会本身。在1550年代特伦多会议上，天主教会正式成形后，会议才最终正式废止赎罪券。
抨击罗马教廷，为其宗教改革开路。
马丁好像是一个名,不是姓,如德国的马丁.路德,他姓路德,名马丁,这是外国的习惯!
1520年，马丁·路德先后发表3篇文章：《致基督教贵族公开信》、《教会的巴比仑之囚》和《论基督徒的自由》，阐述了自己的神学观点及与此相适应的组织原则和礼仪规定，为路德宗的建立奠定了基础。
发表论文通常只有两种渠道，要么自己投，要么找论文发表机构代投，不管走哪种渠道，最后都是要发表到期刊上的。
期刊，也叫杂志，在上个世纪在出版界曾经是重量级的存在，那个时候互联网还没有兴起，人们阅读文章获取资讯远远没有现在方便，杂志就成为一个很重要的传播媒介。
但现在随着社会的进步，科技的发展，纸媒已经大大没落了，很多期刊被砍掉了，剩下来的大多数不得不自谋出路，学术期刊更是如此，因为这个受众面是很窄的，基本没法盈利，所以只能靠收取版面费来维持，当然，有国家财政拨款的那种不在这个范围。
我们现在发表学术论文，出于严谨性权威性等原因的考虑，还是要发表到纸质期刊上，编辑会用电子邮箱或者内部的系统来收稿，但不会有一个网络平台有发表论文的资质，即使是知网和万方这样的网站，也只是论文数据库，并不是论文发表平台。
所以发表论文的时候，还是要先去选取目标期刊，然后再找到这本期刊的投稿邮箱，或者是找到靠谱的论文发表机构，由代理进行代投，最后都是发表到纸质期刊上的，见刊后一两个月左右被知网收录，就可以检索到了。
丁墨，曾经是晋江文学网的驻站作家，早期作品是在晋江更新，后来签订在创世中文网。而创世中文网是与腾讯签约的。所以，现在是在创世中文网上更文。
层错是晶体面序列上的不规则性。因此，晶体基态结构中的层错与过剩的能量有关，称为层错能(SFE)。
在此，来自美国俄亥俄州立大学的Maryam Ghazisaeidi等研究者，重新讨论了层错能(SFE)的意义和致密合金中晶格位错平衡解离的假设。相关论文以题为“Stacking fault energy in concentrated alloys”发表在Nature Communications上。
论文链接：
SFE测量了相对于另一个原子平面的剪切能量成本，因此，直接与晶体对变形的响应有关。根据Frank法则，在晶格位错分解为部分位错以降低弹性能的过程中，会产生层错。因此，层错区域的大小(部分位错之间的距离)，是由部分位错之间的排斥性弹性相互作用和它们之间产生层错的能量之间的平衡所决定的，即SFE。 在面心立方(fcc)晶体中，SFE和位错的解离宽度会影响位错的迁移率、交叉滑移的能力和孪晶的形成，所有这些因素都决定着晶体的力学行为。
通过合金化引入化学变化，进一步影响SFE，进而影响力学响应。在fcc晶体中，层错区域以部分位错为界，由两个具有六方致密排列(hcp)结构的原子平面组成。Suzuki等人研究表明，该区域溶质的平衡浓度可能与平均体积浓度不同。溶质向或从层错区偏析或耗尽，改变了SFE，进而影响位错行为。而这种现象，已在许多合金体系中广泛观察到。
随着合金的成分变得更加复杂，例如，在不锈钢或高温合金中，SFE的合金化效应，在决定相互竞争的变形机制中起着更加突出的作用。例如，钢中马氏体相变和机械孪生等二次变形模式的激活均与SFE直接相关。随着SFE的减小，变形机制由位错滑移向位错滑移和孪晶(孪生诱导塑性效应或TWIP效应)转变为位错滑移，γfcc转变为ϵhcp马氏体相变(相变诱导塑性效应或TRIP效应)。
高熵合金(HEAs)将成分的复杂性带到一个新的极端。HEAs是等浓度或接近等浓度的多组分合金，其中溶质和溶剂的概念不存在。在这种情况下，SFE很可能受到局部原子构型的影响，因为一些原子键比其他原子键更难打破。Smith等人观察了CoCrNiFeMn中层错宽度沿位错线的局部变化，证明了HEAs中局部效应的重要性。
但在这里，有两个基本问题急需解决：(1)SFE还能被认为是晶体特有的固有属性吗？(2)解离距离和位错迁移率仍然受SFE控制吗?
鉴于此，研究者使用NiCo系统模型进行了计算演示，该模型完全可混溶，可以检测一系列成分和温度。此外，hcp和fcc的有利度以及SFE的符号可以通过改变成分来调整。此外，该体系不容易形成SRO，因此，可以将这种效应从随机合金中仅由成分波动引起的效应中分离出来。
研究表明，SFE在纯金属中具有独特的价值。然而，在超过稀释极限的合金中，SFE值的分布取决于局部原子环境。通常，部分位错之间的平衡距离是由部分位错之间的排斥性弹性相互作用和SFE的唯一值之间的平衡决定的。这种假设被用来从金属和合金中位错分裂距离的实验测量来确定SFE，通常与计算预测相矛盾。研究者在模型NiCo合金中使用原子模拟，研究了在具有正、零和负平均SFE的成分范围内的位错解离过程，令人惊讶的是，在所有情况下，在低温下都能观察到稳定的、有限的分裂距离。然后，研究者计算了去相关应力，并检查了部分位错的力平衡，考虑了对SFE的局部影响，发现即使SFE分布的上界在某些情况下也不能满足力平衡。此外，研究者还证明了在浓固溶体中，位错与局部溶质环境相互作用产生的阻力，成为作用于部分位错的主要力。在这里，研究者证明了高溶质/位错相互作用的存在，而这在SFE的实验测量中是不容易测量且容易忽略的，从而使得SFE的实验值不可靠。（文：水生）
图1 等原子CrCoNi介质熵合金离解位错的表征。
图2 晶格位错离解过程中能量的示意图变化。
图3 NiCo随机合金中边缘位错的解离。
图4 解离过程中作用在肖克利部分位错上的力。
图5 NiCo随机合金有限温度fcc-hcp自由能与局部层错能的比较。
图6 NiCo随机合金中边缘位错的去相关过程。
图7 fcc Co中存在部分位错的Ni溶质相互作用能图。
图8 溶质/位错相互作用的估计。
图9 解离过程中作用在肖克利部分位错上的各种力的图解演示。
深度神经网络（DNNs）是 AI 领域的重要成果，但它的 “存在感” 已经不仅仅限于该领域。 一些前沿生物医学研究，也正被这一特别的概念所吸引。特别是计算神经科学家。 在以前所未有的任务性能彻底改变计算机视觉之后，相应的 DNNs 网络很快就被用以试着解释大脑信息处理的能力，并日益被用作灵长类动物大脑神经计算的建模框架。经过任务优化的深度神经网络，已经成为预测灵长类动物视觉皮层多个区域活动的最佳模型类型之一。 用神经网络模拟大脑或者试图让神经网络更像大脑正成为主流方向的当下，有研究小组却选择用神经生物学的方法重新审视计算机学界发明的DNNs。 而他们发现，诸如改变初始权重等情况就能改变网络的最终训练结果。这对使用单个网络来窥得生物神经信息处理机制的普遍做法提出了新的要求：如果没有将具有相同功能的深度神经网络具有的差异性纳入考虑的话，借助这类网络进行生物大脑运行机制建模将有可能出现一些随机的影响。要想尽量避免这种现象，从事 DNNs 研究的计算神经科学家，可能需要将他们的推论建立在多个网络实例组的基础上，即尝试去研究多个相同功能的神经网络的质心，以此克服随机影响。 而对于 AI 领域的研究者，团队也希望这种表征一致性的概念能帮助机器学习研究人员了解在不同任务性能水平下运行的深度神经网络之间的差异。 人工神经网络由被称为 “感知器”、相互连接的单元所建立，感知器则是生物神经元的简化数字模型。人工神经网络至少有两层感知器，一层用于输入层，另一层用于输出层。在输入和输出之间夹上一个或多个 “隐藏” 层，就得到了一个 “深层” 神经网络，这些层越多，网络越深。 深度神经网络可以通过训练来识别数据中的特征，就比如代表猫或狗图像的特征。训练包括使用一种算法来迭代地调整感知器之间的连接强度（权重系数），以便网络学会将给定的输入（图像的像素）与正确的标签（猫或狗）相关联。理想状况是，一旦经过训练，深度神经网络应该能够对它以前没有见过的同类型输入进行分类。 但在总体结构和功能上，深度神经网络还不能说是严格地模仿人类大脑，其中对神经元之间连接强度的调整反映了学习过程中的关联。 一些神经科学家常常指出深度神经网络与人脑相比存在的局限性：单个神经元处理信息的范围可能比 “失效” 的感知器更广，例如，深度神经网络经常依赖感知器之间被称为反向传播的通信方式，而这种通信方式似乎并不存在于人脑神经系统。 然而，计算神经科学家会持不同想法。有的时候，深度神经网络似乎是建模大脑的最佳选择。 例如，现有的计算机视觉系统已经受到我们所知的灵长类视觉系统的影响，尤其是在负责识别人、位置和事物的路径上，借鉴了一种被称为腹侧视觉流的机制。 对人类来说，腹侧神经通路从眼睛开始，然后进入丘脑的外侧膝状体，这是一种感觉信息的中继站。外侧膝状体连接到初级视觉皮层中称为 V1 的区域，在 V1 和 V4 的下游是区域 V2 和 V4，它们最终通向下颞叶皮层。非人类灵长类动物的大脑也有类似的结构（与之相应的背部视觉流是一条很大程度上独立的通道，用于处理看到运动和物体位置的信息）。 这里所体现的神经科学见解是，视觉信息处理的分层、分阶段推进的：早期阶段先处理视野中的低级特征（如边缘、轮廓、颜色和形状），而复杂的表征，如整个对象和面孔，将在之后由颞叶皮层接管。 如同人的大脑，每个 DNN 都有独特的连通性和表征特征，既然人的大脑会因为内部构造上的差异而导致有的人可能记忆力或者数学能力更强，那训练前初始设定不同的神经网络是否也会在训练过程中展现出性能上的不同呢？ 换句话说，功能相同，但起始条件不同的神经网络间究竟有没有差异呢？ 这个问题之所以关键，是因为它决定着科学家们应该在研究中怎样使用深度神经网络。 在之前 Nature 通讯发布的一篇论文中，由英国剑桥大学 MRC 认知及脑科学研究组、美国哥伦比亚大学 Zuckerman Institute 和荷兰拉德堡大学的 Donders 脑科学及认知与行为学研究中心的科学家组成的一支科研团队，正试图回答这个问题。论文题目为《Individual differences among deep neural network models》。 根据这篇论文，初始条件不同的深度神经网络，确实会随着训练进行而在表征上表现出越来越大的个体差异。 此前的研究主要是采用线性典范相关性分析（CCA，linear canonical correlation analysis）和 centered-kernel alignment（CKA）来比较神经网络间的内部网络表征差异。 这一次，该团队的研究采用的也是领域内常见的分析手法 —— 表征相似性分析（RSA，representational similarity analysis）。 该分析法源于神经科学的多变量分析方法，常被用于将计算模型生产的数据与真实的大脑数据进行比较，在原理上基于通过用 “双（或‘对’）” 反馈差异表示系统的内部刺激表征（Inner stimulus representation）的表征差异矩阵（RDMs，representational dissimilarity matrices），而所有双反馈组所组成的几何则能被用于表示高维刺激空间的几何排布。 两个系统如果在刺激表征上的特点相同（即表征差异矩阵的相似度高达一定数值），就被认为是拥有相似的系统表征。 表征差异矩阵的相似度计算在有不同维度和来源的源空间（source spaces）中进行，以避开定义 “系统间的映射网络”。本研究的在这方面上的一个特色就是，使用神经科学研究中常用的网络实例比较分析方法对网络间的表征相似度进行比较，这使得研究结果可被直接用于神经科学研究常用的模型。 最终，对比的结果显示，仅在起始随机种子上存在不同的神经网络间存在明显个体差异。 该结果在采用不同网络架构，不同训练集和距离测量的情况下都成立。团队分析认为，这种差异的程度与 “用不同输入训练神经网络” 所产生的差异相当。 如上图所示，研究团队通过计算对应 RDM 之间的所有成对距离，比较 all-CNN-C 在所有网络实例和层、上的表示几何。 再通过 MDS 将 a 中的数据点（每个点对应一个层和实例）投影到二维。各个网络实例的层通过灰色线连接。虽然早期的代表性几何图形高度相似，但随着网络深度的增加，个体差异逐渐显现。 在证明了深度神经网络存在的显著个体差异之后，团队继续探索了这些差异存在的解释。 随后，研究者再通过在训练和测试阶段使用 Bernoulli dropout 方法调查了网络正则化（network regularization）对结果能造成的影响，但发现正则化虽然能在一定程度上提升 “采用不同起始随机种子的网络之表征” 的一致性，但并不能修正这些网络间的个体差异。 最后，通过分析网络的训练轨迹与个体差异出现的过程并将这一过程可视化，团队在论文中表示，神经网络的性能与表征一致性间存在强负相关性，即网络间的个体差异会在训练过程中被加剧。 总而言之，这项研究主要调查了多个神经网络在最少的实验干预条件下是否存在个体差异，即在训练开始前为网络设置不同权重的随机种子，但保持其他条件一致，并以此拓展了此前与 “神经网络间相关性” 有关的研究。 除了这篇 这篇 研究以外，“深度学习三巨头” 之一、著名 AI 学者 Hinton 也有过与之相关的研究，论文名为《Similarity of Neural Network Representations Revisited》，文章探讨了测量深度神经网络表示相似性的问题，感兴趣的读者可以一并进行阅读。 Refrence： [1] [2]
对干细胞疾病的治疗意义重大。这一研究成果无疑是人类对抗干细胞疾病的有一个里程碑，非常值得纪念。
纳米材料的功能特性，强烈依赖于其表面原子结构，但它们往往与本体结构有很大的不同 ，表现出表面重构和弛豫。然而，大多数表面表征方法，要么局限于二维测量，要么达不到真正的三维原子尺度分辨率，对于一般三维纳米材料的三维表面原子结构的单原子水平测定仍然是一个难题。
在此，来自韩国高等科学技术学研究所的Yongsoo Yang等研究者报道了使用铂纳米颗粒作为模型系统，在15 pm精度下测量的三维原子结构。相关论文以题为“Single-atom level determination of 3-dimensional surface atomic structure via neural network-assisted atomic electron tomography”发表在Nature Communications上。
论文链接：
在单个原子水平上精确测定三维表面原子结构，一直是广泛科学界的主要兴趣 ，包括物理学、材料科学、化学和纳米科学等。由于配位数较低，表面原子往往与其体结构有较大的偏离。然而，金属纳米粒子的表面结构，在其催化活性中起着至关重要的作用，目前在化学合成、减少空气污染和燃料电池应用中具有重要的技术意义。充分了解表面原子结构，对于微调每种应用的催化性能是至关重要的。
原子电子层析成像(AET) ，是近年来发展起来的一种强大的原子级三维结构成像工具，已广泛用于原子级缺陷、三维应变、化学有序/无序和成核动力学测量等领域。然而，通常由于几何限制只有部分全层析角度范围是实验可测量的(所谓的“缺失楔形”问题)，这导致了沿着断层重建图中缺失信息的方向的延伸和傅立叶振铃伪影。缺失的楔形伪影会对断层扫描得到的表面原子结构的精度产生负面影响， 是精确测定三维表面原子结构的主要障碍。 另一方面，近来基于深度学习的神经网络方法，引起了电子显微镜专家的极大兴趣。它已经在丢失的数据检索和超分辨率成像方面，取得了成功。
本文中，研究者将AET与基于原子性原理的深度学习神经网络相结合，利用纳米铂粒子作为模型系统，研究者成功地检索了缺失的楔块信息，并实现了一个稳健的三维表面原子结构重建。借助基于深度学习的缺失数据检索，结合原子电子断层扫描技术，可以可靠地测量表面原子结构。研究发现，和晶面对表面应变的贡献不同，造成了各向异性应变分布和压缩支架边界效应。
图1 深度学习增强的架构。
图2 DL增强对模拟断层成像的影响。
图3 实验测量的Pt纳米粒子断层图和跟踪原子坐标的三维密度图。
图4 切面，三维原子位移，和铂纳米粒子的应变图。
综上所述， 研究者利用神经网络辅助AET技术，在单个原子水平上成功地测定了纳米粒子的三维原子结构 。使用铂纳米粒子作为模型系统，研究者证明了基于原子性的方法，可以可靠地识别表面原子结构，精度达到15 pm。原子位移、应变和刻面分析表明，表面原子结构和应变不仅与纳米颗粒的形状有关，还与颗粒-基体界面有关。结合量子力学计算如密度泛函理论，精确识别表面原子结构的能力，将成为理解表面/界面性质如催化性能和氧化效应的一个强有力的工具。（文：水生）