AFM-IR高光谱成像只测5%光谱：CACNP在0.1秒内重建整块化学立方并给出逐体素不确定度
核心概要
纳米红外高光谱成像要在每个像素上逐点采集光谱，完整立方体耗时可达数小时。CACNP把稀疏采到的光谱与少量单波数结构图一起输入卷积—注意力条件神经过程，在合成立方体上训练后直接输出整块立方体及逐体素不确定度。在环氧中聚苯乙烯与聚甲基丙烯酸甲酯颗粒的实验数据上，仅用5%光谱即可重建，推理不到0.1秒，重建误差接近样品噪声水平。
深度剖析
纳米红外高光谱成像现在可以只测一小部分光谱就重建出整块化学立方体，并同时给出每个体素的可信程度。 此前要得到完整立方体，必须在每个空间位置逐一采集光谱，采集时间随位置数和波数数一起增长；实际操作中常退而只选少数预设波数成像，从而可能漏掉未选波段中的谱学特征。 在环氧中聚苯乙烯与聚甲基丙烯酸甲酯颗粒的两组实验立方体上，使用三张结构图和5%上下文光谱时，多颗粒数据集的RMSE为0.0375、误分类率为1.57%，10%上下文时为0.0369和1.37%；这些误差接近两组样品估计的噪声标准差。
重建由一次前向推理完成，不需要针对每组观测重新拟合模型。 高斯过程类方法随观测数增加而变慢，矩阵分解与SS-Net虽重建准确，却不返回标定过的不确定度，难以支撑实验中的自适应采样。 在单颗粒数据集1%上下文下，累计采集加重建时间约为6分钟，与CNMF相当，而GP约46分钟、SS-Net约53分钟；10%上下文时CACNP约31分钟，GP约7小时45分钟，SS-Net约11小时25分钟。
模型把稀疏光谱铺到空间网格上，再让重建特征通过交叉注意力直接查询实测光谱。 卷积条件神经过程把观测嵌入网格后主要依赖卷积捕捉空间关系，查询点与实测光谱之间没有直接通路。 去掉全部交叉注意力的同配置架构在多颗粒数据集上边界更模糊、配准更差，重建不确定度与RMSE也更高。
启示与展望
演示范围限于Bruker标准样品上采集的两组AFM-IR立方体，即环氧基质中的聚苯乙烯与聚甲基丙烯酸甲酯颗粒，波数范围761至1865 cm-1、步长4 cm-1；训练数据全部为合成立方体，实验立方体未参与训练。
不确定度引导采样并不总改善重建：在多颗粒数据集上，按不确定度选点会把一处离群强度错误地扩散到周围区域，距离加不确定度的策略尤为明显，其标定覆盖率在评估范围内波动于名义95.4%以下。低上下文比例下原始不确定度偏低，需用留出上下文做缩放校准；该缩放不提供保形覆盖保证。