科学家已经演示了使用人工智能(AI)来加快从相干x射线散射数据重建图像的过程。传统的x射线成像技术(如医用x射线图像)所能提供的细节数量有限。这导致了相干x射线成像方法的发展,这种方法能够从材料深处提供分辨率在几纳米或更低的图像。这些技术不需要透镜就可以产生x射线图像,通过衍射或散射样品的光束,直接进入探测器。

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。

利用计算机从相干散射x射线数据中组装图像的过程被称为ptychography,该团队使用了一种神经网络来学习如何将数据拉成相干形式——因此这项创新被称为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。

这是可以做到的,但是这个过程比科学家希望的要慢。部分挑战来自数据采集端。为了重建相干衍射成像实验的相位数据,目前的算法需要科学家从样本中收集更多的振幅数据,这需要更长的时间。但根据这些数据进行实际重建也需要一些时间。这就是PtychoNN发挥作用的地方。利用人工智能技术,研究人员证明,计算机可以通过x射线数据预测和重建图像,其速度比传统方法快300倍。不仅如此,尽管PtychoNN能够在两端加速这一过程。

欲了解更多信息,请联系Mathew Cherukara此电子邮件地址正在受到垃圾邮件程序的保护。您需要启用JavaScript来查看它。;630-252-4548。


金宝搏官网科技简报》杂志

本文首次发表于《华尔街日报》2021年6月号金宝搏官网杂志。

请阅读本期更多文章在这里

阅读档案中的更多文章在这里