如果你想理解“AI for Science”如何真正落地到材料表征，这门课值得一看。课程以机器学习在STEM数据分析中的应用为主线，从电子显微成像、HAADF/ABF等探测模式讲到4D-STEM四维大数据，帮助你认识缺陷、衬度、应力、厚度等信息为何难以靠人眼提取。课程通过缺陷识别与应力映射、PACBED厚度估计两个案例，展示“STEM模拟生成带标签数据—训练CNN—预测实验图像”的完整监督学习流程，并比较传统EELS等方法与机器学习方法的优势与局限。适合材料、物理、化学、电子显微学及相关方向的学生和研究者，也适合对AI辅助科学发现感兴趣的学习者。学完后，你将能理解STEM主要数据类型与4D-STEM价值，掌握模拟驱动标签与CNN建模思路，并初步具备用机器学习解决显微图像缺陷识别、应力分析和厚度估计等问题的视角。