Analiza podatkov rentgenskih žarkov v realnem času s programom DONUT pospešuje znanost o materialih

Nacionalni laboratorij Argonne ameriškega ministrstva za energetiko je predstavil nov orodij z imenom DONUT, ki omogoča analizo rentgenskih podatkov v realnem času in znatno pospešuje raziskave na področju materialov. Orodij je bil razvit s sodelovanjem med naprednim fotonskim virom (APS) in Centrom za nanoskalne materiale (CNM), oba uporabniška objekta Urada za znanost DOE, orodje izkorišča globoko učenje za takojšnjo interpretacijo zapletenih rentgenskih difrakcijskih podatkov.

DONUT, kratica za Diffraction with Optics for Nanobeam by Unsupervised Training, je fizično zavestna nevronska mreža, zasnovana za razumevanje, kako rentgenski žarki komunicirajo z materiali. Z vključevanjem temeljnih načel fizike v svojo arhitekturo orodje izboljša natančnost napovedi glede materialnih struktur. Sistem je bil razvit in preizkušen z uporabo podatkov iz žarke Hard X-ray Nanoprobe, ki združuje vire iz APS in CNM.

Tradicionalne metode analize podatkov rentgenskega difrakcijskega mikroskopja, zlasti skeniranje rentgenskega nanodifrakcijskega mikroskopja (SXDM), so znane po tem, da so počasne in zahtevajo veliko dela. Te tehnike so pogosto zahtevale tedne ali celo mesece za doseganje rezultatov, kar omejuje sposobnost raziskovalcev, da hitro ponavljajo ali raziskujejo nove hipoteze.

SXDM je prefinjena tehnika, ki kartira kristalno strukturo materialov s usmeritvijo usmerjenega rentgenskega žarka na vzorec. Ta metoda zagotavlja kritične informacije o tem, kako materiali delujejo v aplikacijah, ki segajo od tehnologije baterij do katalize in elektronike.

Za razliko od tradicionalnih AI sistemov, ki zahtevajo označene učne podatke, se DONUT uči neposredno iz eksperimentalnih vhodov, kar odpravi potrebo po predhodno označenih zbirkah podatkov.

Raziskovalci na APS lahko zdaj oblikujejo in izvajajo samovozeče poskuse, pri katerih je odločanje vodeno s takojšnjo povratno informacijo iz tekočega zbiranja podatkov. Ta funkcija je še posebej dragocena za študije, ki vključujejo vedenje materialov v resničnem svetu, kjer je hitro prilagajanje bistveno.

Orodje ne le, da racionalizira analizo podatkov, ampak tudi znižuje ovire za vstop novih uporabnikov, s čimer spodbuja širšo udeležbo pri najnovejših znanstvenih raziskavah.