M&M是美國最大的顯微鏡年會，每年都會辦在全美各大城市，是顯微鏡領域的年度盛會，也有自己的同名期刊。今年是我第三次參加，前兩次分別是2018年在Baltimore, MD以及2019年Portland, OR。今年由於疫情緣故，主辦單位決定嘗試全線上形式，也就是#MM2020Virtual。我將在此簡介M&M，並且分享上週(8/4-7)第一次全線上conference的經驗，以及我所關注的幾個領域現況。
M&M簡介
根據Microscopy Society of America (MSA)的紀錄，M&M本身應該至少有25年歷史，其長期主辦單位MSA與MAS等歷史更是悠久，因此其學術地位是無庸置疑的，大概就相當於物理界的APS或是材料界的MRS。如果你是在美國做顯微技術相關研究的人，M&M絕對不能錯過。前兩年參加的經驗非常好，除了規模宏大(3-5千人)以外，涵蓋領域豐富，與會者也很樂意分享尚未發表於期刊上的研究結果。也因此M&M將其與會者的投稿(1-2 pages)稱作paper而不是abstract，並表示未來的研究者可以直接引用，保障了與會者的權益。雖然大部分人還是將其視作abstract看待啦。
 |
| M&M 2020 Virtual的入口網站 |
跟大部分研討會一樣，研究者投稿後會有分成口頭報告(Platform)跟海報(Poster)，口頭報告當然還是比較有影響力，但數量也很有限，取決於你研究的品質與committee對於那個session的期待。M&M一直以來分成3個symposium (Analytical Sciences, Biological Sciences, Physical Sciences)，每個symposium底下又分數個session，詳情可以見這裡。Session每年會隨著研究熱潮而有所改變，像是這幾年4D-STEM與Artificial Intelligence很風行，因此多了一些相關的session。但基本上整個M&M的內容涵蓋了大部分你想像得到的顯微技術與研究對象，從有機、無機，甚至到外星隕石都有。
除了研究者投稿以外，M&M還提供各種short course, technical tutorial, society outreach, social event，可以說概括了一個community中的各種面向。不管你是想要來快速學習技術、推廣科普、討論教育方法、職涯討論或是單純社交 (儀器廠商還會辦party)，每天都有跑不完的活動。另一個重點是每年都會有許多儀器廠商展示它們的最新技術與儀器，畢竟在這個領域很多研究沒有相關設備是做不來的。像是aberration corrector、monochromator、in situ、atom probe等等。
 |
| 2019年的Gatan攤位 |
全線上的M&M要怎麼辦?
改成全線上後有不少好處，一方面去掉了時空間的限制，另一方面也節省了很多物理成本，今年學生註冊費甚至只要$20。所有的投稿都由報告者錄成影片並且上傳(pre-recorded)，主辦單位則提供了一個入口網站，
使用你註冊後得到的帳號登入，就可以在任何時間地點登入會議網站，並且直接瀏覽與會者投稿的talks或posters，並且即時與其他與會者留言互動，感覺很像是數千人一起看一個主題youtube channel，每個人可以選擇自己喜歡的影片，非常有趣。
 |
觀看Talks時的介面
|
每個talk被錄成影片並且隨時可供觀看帶來很多以往沒有的優點，像是錄好的影片普遍水準比直接報告要好，而且你可以重複觀看、暫停重要段落、截圖做筆記，精神不好或有突發狀況時也可以休息，等之後再回來繼續看。與會者問的問題也會被永久保留，你不會錯過任何精彩討論，大家也可以問出更有水準的問題，回答時也可以更仔細甚至直接附上reference。Poster的部分也被要求錄製3min的說明影片，並且附上poster檔案供人下載以檢視細節。最棒的部分是，這些報告內容將會被放在網站上供人觀賞整整一個月! 對我這種總是有選擇障礙，不知道要去哪個talk的人而言是天大的福音。你現在還是可以註冊這個conference並且瀏覽所有會議內容直到9/7。
一般社交平台會有的私訊功能也同樣有提供，可以有更深入的討論或是噓寒問暖。在另一個專門收集discussion的頁面你甚至可以即時看到有哪些talk正在被熱烈討論。另一個最實用的功能應該是每個session結束後的after-session video chat，讓參加session的人可以直接與報告者聊天問問題，或著是討論領域內的共同問題與未來。因為是即時視訊所以更像是與真人互動的感覺，也給我難得的機會同時與一些領域內的大老們同框。
 |
參加Phase-retrieval microscopy的After-session video chat。
左上是John Spence，右下有David Muller。
|
今年有什麼有趣發表或趨勢?
這裡我只會列舉我比較熟悉或是有興趣的幾個領域 (4D-STEM, machine learning, image processing)，都是個人觀點可能有些偏頗，而且我也還沒有把我有興趣的talks都消化完，目前進度大概只有25%，所以這個部分大家就稍微看看就好。
4D-STEM依然是個熱門主題，同時採集每個probe position (x,y)的diffraction pattern (kx, ky)可以說是一般平面STEM的終極形式，完整記錄了每一顆散射的電子，給予重建整個structure factor的機會。相關的應用有很多，可以直接看這篇2019年的
review。要取得更多變數的data就必需使用focus series, tilting series (tomography), in situ (thermal, liquid/gas environment, gating, mechanical), ultra-fast (time)，任何一項都不容易。
目前4D-STEM的兩大前線分別在西岸LBNL的與東岸Cornell。重點人物有Colin Ophus, David Muller。Colin前幾年提出了S-matrix的計算以及Prismatic去加速4D-STEM的simulation過程，LBNL目前也建置了自己的4D camera，直接與數據中心用特殊的纜線連結去接收每秒40GB的實驗data。他們的camera主打fast acquisition，短期目標是跟ADF-STEM一樣的acquisition rate (<10us)。至於David Muller則是在2018的
Nature示範了可以用主打高dynamic range的EMPAD去採集4D-STEM data，並且通過electron ptychography去實現0.39Å 的解析度，創了當時的世界紀錄並引領接下來4D-STEM的熱潮。這個4D-STEM的研究熱潮，很大程度地推進了大家對image processing algorithm, pixelated camera的需求，也不免俗地結合了這一波artificial intelligence的風潮。但絕大部分人還在學習技術本身/取得相關硬體，而前線則是在思考如何突破硬體限制、增加技術的應用層面。
Ptychography的ptycho在希臘文裡指重疊，最早是一種相干繞射成像(CDI)的光學技術，後來被推廣到X-ray與Electron beam。基本原理就是藉由採集互相重疊的繞射圖形，借由干涉圖案去重建樣品的相位資訊，屬於一種phase-retrieval microscopy，算是4D-STEM裡最華麗的應用。其優勢像是低劑量、高解析度、大範圍，對於weak scatterer特別有用，尤其是light elements或2D materials，缺點則是算法複雜度很高，非常耗時。今年David Muller group再度發表
Nat. Comm.新作討論mixed-state ptychography，同時實現了low dose, large area, high precision, sub-Ang resolution。這一次他們分享了data跟Matlab code，有興趣的人可以去
這裡玩玩。一個相關的研究是John Spence
新的PRL，他宣稱解決了一個古老的inverse problem，也就是在考慮thick sample與multiple scattering的情況下，從Bragg beam的intensities去回推phase。我還沒有細看但這研究如果為真，那會是很大的突破，那天的after-session video chat都在討論這個。
- Machine learning and data processing
將Machine learning融入microscopy也是目前的熱門主題，先驅者當屬ORNL的Sergei Kailinin。他們2017年的
ACS Nano算是這領域的濫觴。之後引發了許多人也爭先使用ML/DL相關技術來進行S/TEM的影像辨識，只可惜絕大多數都僅止於image segmentation像是缺陷辨識(defect identification)或是粒徑分析(particle picking)，較少看到更具啟發性的應用或是帶來的new science。本質上來說只是使用ML技術去取代耗時的步驟，要取得進一步的new science還是需要後續的處理分析。我自己今年的
paper也屬於此類，真正的關鍵點在於使用class averaging去提升SNR，DL只是扮演一個加速defect identification的角色。
另一個路線則是利用DL或GAN去進行image denoising/inpainting，例如Huolin Xin提出的
AtomSegNet與TomoFillNet，前者設計來取得superresolution+denoising，後者則為彌補tomography裡會有的missing wedge問題。就我所知這些成果還沒有發表，因此沒辦法看到定量的分析，不過可以先去上面的連結去玩玩看他的code。但是廣義來說denoising/inpainting都屬於改變data的一種非線性處理，要確認你所取得的是不是"real information"是很大的挑戰，普遍的共識是對這些processed過的影像要非常謹慎，也還沒有一個統一的標準去做定量的分析或benchmark。即使這些應用在biology領域已經行之有年，但是跟EM領域不同的是，biology領域很多只看形貌，然而electron micrograph裡的intensity是有定量意義的，不能一概而論。
David Muller group的Michal Cao提出一個有趣的應用，是用ML去試著模擬ptychographic reconstruction時對於DP的權重分布，這還沒有發表，但如果成功的話可以大幅加速同類型dataset reconstruction的速度，對於實驗執行有很大的幫助。Gabriela Correa則是提出使用ML去分析direct electron detector上的electron path，以達到sub-pixel resolution，這可以大幅提升detector的表現。
一些非ML相關的data processing技術例如compressed sensing也有一定熱度，像是Robert Hovden group內的Jonathan Schwartz就提出結合compressed sensing與total variation去加速tomography reconstruction的速度，讓實驗本身可以取得更即時的回饋。他們group涉獵極多tomography相關的影像處理技術，對於diffraction experiment也有自己獨到的分析手法，非常值得關注。而Paul Voyles group的Chenyu Zheng應用了Tensor SVD於4D-STEM data上的denoising。Paul Voyles先前就發表過不少image processing相關的著作，這次有機會用video chat直接跟他討論這些領域的未來方向非常開心。
我最期待的要屬James LeBeau的
useTEM，目標是建立跨儀器的統一scripting平台，並使用模板化的操作步驟讓大家可以自由地交換實驗流程，讓不同程度的操作者都可以採用同一套實驗步驟。他目前只在Thermo Fisher的儀器上測試過，希望之後會加入控制corrector與stage的功能，使得automation能夠更進一步。
有趣的是這個community的人很早就開始強調我們要有像是Materials Genome的資料庫系統，但是因為EM image本身的型態、實驗條件、影像品質都太差異太大，現在連個metadata該怎麼儲存都還沒有一個共識。儘管大家都意識到並強調open data的重要性，這方面卻還是進展有限。我個人是希望NIST能肩負起這個重任，畢竟PI們多少都有學術成就上的時間壓力，很難真的去做這種為了community的大計畫。另外一個有趣的嘗試是整合了data storage/processing的
LiberTEM，感覺很適合做為一個EM group的實驗室線上平台。
Microscopy領域用到的coding越來越多，即使你不直接寫code操控顯微鏡去做複雜的acquisition (focus, tilt series或4D-STEM)，現在什麼都要統計定量，大家處理的data數量也越來越大，就算是定性分析也要跟simulation或是model做比較，不會coding的話只能事事仰仗collaborator或是套裝軟體，處處受限。
強烈建議所有有志在這領域耕耘的人至少去學個Python，現在已經有很好的package囊括了常用的image processing工具，例如NCEM的
openNCEM、ORNL的
pycroscopy與今年剛加入的
STEMtool。我之後有機會再寫篇文章介紹顯微分析領域會用到的實用套裝軟體與coding resource。
會後心得
整體而言這次的體驗很不錯，雖然少了直接面對面的人際互動，但是線上會議帶來了前所未有的便利性與彈性，以科學傳播的角度來說，效果可能遠比實體會議要來得好。考慮到今後疫情，研討會等大型活動改成線上舉辦的次數可能會越來越頻繁，甚至是在疫情結束後，依然以hybrid的形式呈現以保留其優點也說不定。
另一個感想是community這個詞其實比我以往認知的更重要，一個領域的興盛或許不只在於其研究內容有無突破，而是有沒有一群人願意持續地為這個社群付出。有一句非洲俗諺是這樣說的:
一個人走得快，但是一群人走得遠。
以往會覺得自己沒什麼能力付出，或是偶爾會自私地只想享受好處，就好比碰到問題就google但是從來不回答別人的問題一樣。但現在漸漸意識到，一個維持良好的社群其實才是關鍵，從學校教育、設備儀器商、學術機構、政府提供的資金、社會大眾的支持與人才的供給，這些環節其實都很重要。而一個穩固的社群會有各式各樣不同的人，不管他們分別程度為何，都能以不一樣的方式去貢獻他們的精力。就好比我開始寫這個部落格，也是希望能記錄我在顯微鏡領域接觸到的事情或是學習心得，看能否多少鼓勵到其他人一起投入相關領域，或至少提供一點學涯上的借鑑也好。如果你覺得這些分享對你有幫助，歡迎分享給任何人，或是留言問我任何相關問題!
 |
我的M&M 2020 Virtual setup
|
留言
張貼留言