走査透過型電子顕微鏡データ解析のための機械学習法

摘要

STEM-EELSなどのスぺクトルイメージ計測は，試料表面の各点において局所的な成分（元素配 置や電子状態）を反映するスペクトルを網羅的に計測する技術である.その計測1回で得られる データ量が膨大であるために，機械学習の技術に基づくデータ解析の自動化が望まれる.ところ で，統計的機械学習で優れた解析精度を達成するには，計測で得られるデータの性質や既知の情 報に応じたモデルおよびアプローチを適切に選択する必要がある.例えば，スペクトルの形状が ある程度分かっている場合には適切な関数モデルによるパラメトリック手法が有効であり，形状 が不定かつデータ数が多い場合には関数モデルを仮定しないノンパラメトリックな手法が有効で ある.本講演では，それぞれのアプローチによる研究例(1)ノンパラメトリック法の1つである非 負値行列分解によって評価試料の成分の空間強度分布および成分スぺクトルを同定する手法，（2) ガウス基底関数に基づき3Dラマン分光スペクトルの層間の混合信号を分解する手法を紹介する.