一种基于无监督深度学习的TEM测量数据反演方法及系统

本发明公开了一种基于无监督深度学习的TEM测量数据反演方法及系统，方法包括：通过将物理规则嵌入到LSTM深度网络结构中，以数据失拟作为损失函数来指导反演网络训练。此外，在损失函数中加入动态平滑约束以稳定训练过程；引入Attention机制提取深度学习反演的重要特征信息，以降低电阻率模型反演的误差；并提出WOA‑MVMD技术去除测量数据干扰噪声，以获得高质量的高温超导TEM数据。本发明方法能有效提高计算效率与反演精度。