給一個只有幾納米大小的納米顆粒拍一張“三維原子結構圖”，比給人體做CT難得多——傳統方法需要在不同角度拍上近百張投影，採集時間長達數小時，高強度的電子束還容易把樣品“燒傷”。更棘手的是，一旦樣品超過10納米厚，顯微鏡的“景深”限制會讓不同深度的原子同時變模糊，好比用短焦鏡頭拍長隊列，前後總有人“出圈”。

如何用更低的電子劑量、更短的採集時間，看清更小更厚的納米材料?對此，清華大學深圳國際研究生院幹林、李佳課題組近期在《自然·通訊》和《國家科學評論》上接連發表兩項成果，為這一難題提供了兩條互補的破解路徑。

團隊面向原子級電子三維重構(atomic electron tomography, AET)長期存在的高電子劑量、長採集時間、傾轉角受限和景深限制等關鍵瓶頸，提出了基於生成式人工智能和大數據驅動的AET方法。相關工作實現了複雜納米材料在低劑量、快速採集和大尺寸厚樣品條件下的原子三維定位，為材料真實三維原子結構解析提供了新的方法基礎。

AET是在原子尺度上確定材料三維原子結構和化學組成、突破傳統二維圖像觀測限制的關鍵技術。AET通常利用環形暗場掃描透射電子顯微鏡(ADF-STEM)在不同傾轉角下采集樣品的二維投影，再利用二維投影通過迭代重構算法求解樣品的三維結構。然而，傳統 AET 通常需要在較寬傾轉角範圍內(±70˚)採集大量投影圖像(1–2˚ 間隔)，採集過程耗時長、電子劑量高，容易引發材料的結構損傷。如果減少投影數量或傾轉範圍，三維重構的求解問題又會變得嚴重欠定，產生偽原子、拉伸偽影和表面結構失真，影響原子位置的可靠性。對於尺寸較大的厚樣品(如10 nm以上)，電子顯微鏡的有限景深還會導致不同深度的原子無法同時清晰成像，進一步限制了AET的應用範圍。

圖1. 零空間迭代重構的算法原理

針對上述難題，團隊提出了基於擴散生成模型的零空間迭代重構算法(Null-Space Iterative Reconstruction, NSIRE)。該算法利用無監督的擴散模型學習原子勢分佈(圖1)，並在迭代過程中將實驗投影約束與原子勢先驗相結合，使重構結果既嚴格滿足實驗投影，又符合真實的原子勢分佈。與傳統的端到端神經網絡不同，NSIRE 不依賴特定材料、特定投影角度或特定採集條件的重新訓練，能夠在投影數據稀疏和傾轉角受限的情況下穩定抑制欠採樣偽影。

圖 2. NSIRE實現3 nm PtCo合金納米顆粒三維原子結構重建

基於 NSIRE，團隊以6?間隔的稀疏投影採樣數據，解析了3 納米左右 PtCo 合金納米顆粒的三維原子結構(圖2)，實驗採集時間相比傳統方法降低了70%，有效降低了樣品的損傷。該 PtCo 納米顆粒包含 1411 個原子，其中包括 495 個 Co 原子和 916 個 Pt 原子，是目前 AET 已解析的最小合金納米顆粒之一。其整體原子座標均方根偏差達到 17 pm，公共原子比例超過 98%。此外，NSIRE 還可在±29°小傾轉範圍內重構不規則Pt納米顆粒的清晰三維晶格和形貌結構，具備在原位加熱等傾轉受限實驗條件下開展結構與性能關聯研究的潛力。

圖3. 基於隨機高熵電子顯微投影的數據驅動電子斷層成像重構框架

與原子尺度三維重構可以通過大量的結構建模和圖像模擬來構築訓練數據集不同，大尺寸複雜材料的三維建模和圖像模擬難度大、成本高，且存在透射電鏡景深限制問題。針對這些難題，團隊進一步提出了一種通用的數據驅動電子三維重構框架。該框架利用大量易獲取的隨機高熵電子顯微圖像作為數據源(圖3)，通過投影過程構建訓練樣本，並引入缺失楔、欠採樣和深度依賴的離焦模糊等非理想實驗因素，形成兼具真實結構先驗和成像物理先驗的大規模訓練數據集。該策略避免了針對具體材料進行復雜三維建模和高成本圖像模擬，也降低了對昂貴的實驗三維真值數據的依賴。

圖4. 大尺寸鉑納米顆粒(13nm)的原子級三維重構及離焦矯正效果

通過對大尺寸原子級電子三維重構的驗證，團隊重構了13 nm的八面體Pt納米顆粒的三維原子結構(圖4)。該顆粒包含52138個原子，重構結果的原子座標均方根偏差為22 pm，公共原子比例達到 98.2%，投影一致性誤差約降至傳統方法的一半，顯著提升了大尺寸樣品表面原子的重構可靠性，為更大空間尺度上的材料精確結構—性能關聯研究提供了重要支撐。

以上系列研究表明，生成式人工智能和大數據驅動方法可以從兩個互補方向突破原子級三維重構瓶頸：一方面，NSIRE 通過在零空間中引入原子勢先驗，實現低劑量、快速和傾轉受限條件下的高精度重構;另一方面，通過高熵電子顯微投影和成像物理建模，提升了複雜材料和大尺寸厚樣品的三維重構能力。相關成果不僅拓展了電子三維重構的適用範圍，也為電子三維重構在納米催化、合金結構解析和原位動態研究中的應用提供了新思路。

相關成果分別以“基於生成模型的零空間迭代重構原子級電子斷層成像”(Generative-model-based null-space iterative reconstruction for atomic electron tomography with sparse data)和“一種面向可擴展電子斷層成像的通用數據驅動框架”(A general data-driven framework for scalable electron tomography)為題，分別發表於《自然?通訊》(Nature Communications)和《國家科學評論》(National Science Review)。

幹林、李佳為通訊作者，清華大學深圳國際研究生院2024級博士生李涵、2022級博士生崔雯渟為共同第一作者。論文其他合作者包括深圳國際研究生院2025屆碩士畢業生蘇文達、2024屆碩士畢業生雷歡、羅旋，2024屆博士畢業生魏印平，2023級博士生陳子奇，科研助理楊佳麗等。研究得到國家重點研發計劃、國家自然科學基金以及深圳市科技計劃等項目支持。