科学家们证明了使用人工智能(AI)来加速从相干X射线散射数据重建图像的过程。传统的X射线成像技术(如医疗X射线图像)的限制为它们可以提供的细节量。这导致了能够在少数纳米分辨率或更小的材料中提供从深层内部材料的相干X射线成像方法的开发。这些技术产生X射线图像,而无需通过衍射或散射样品的束并且直接散射在探测器上的梁上而需要镜片。

这些探测器捕获的数据具有重建高保真图像所需的所有信息,并且计算科学家可以用高级算法执行此操作。然后,这些图像可以帮助科学家设计更好的电池,构建更耐用的材料,并开发更好的药物和治疗疾病。

使用计算机从相干散射X射线数据组装图像的过程称为ptychography,该团队使用了一个神经网络,该网络学习如何将该数据拉到一个相干形式 - 因此创新的名称:ptychonn。

当X射线束撞击样品时,光被衍射并散射,并且样品周围的探测器收集该光线。然后,科学家们将该数据转化为可以使用的信息。然而,挑战是,虽然X射线束中的光子携带两条信息 - 梁的幅度或亮度,以及当通过样本时,光束变化的相位或者梁变化的亮度 - 检测器捕获一个。因为检测器只能检测幅度,并且它们无法检测到相位,所以所有信息都丢失,因此必须重建它。

它可以完成,但过程比科学家慢。部分挑战是数据采集结束。为了从相干衍射成像实验重建相位数据,当前算法需要科学家从他们的样本中收集更多的幅度数据,这需要更长的时间。但是该数据的实际重建也需要一些时间。这是Ptychonn进来的地方。使用AI技术,研究人员展示了计算机可以教导从X射线数据预测和重建图像,并且可以比传统方法快300倍。但是,Ptychonn能够加快两端的过程。

有关更多信息,请联系Mathew Cherukara此电子邮件地址受到垃圾邮件程序的保护。您需要启用Javascript来查看它。;630-252-4548。


金宝搏官网技术简报杂志

本文首先出现在6月份,2021年问题金宝搏官网杂志。

阅读档案中的更多文章这里