• Cercetătorii de la Argonne National Laboratory au dezvoltat o tehnică combinând XPCS și IA pentru a studia dinamica materialelor în timp.
• Rețelele neuronale creează „amprente digitale” ale materialelor, permițând analiza structurii și evoluției acestora.
• Proiectul AI-NERD folosește algoritmi de învățare automată pentru a recunoaște modele în datele de împrăștiere a razelor X, esențial pentru viitoarele date de la APS modernizat.

Ca și oamenii, materialele evoluează în timp. De asemenea, acestea se comportă diferit atunci când sunt stresate și relaxate. Oamenii de știință care doresc să măsoare dinamica modului în care materialele se schimbă au dezvoltat o nouă tehnică care utilizează spectroscopia de corelație a fotonilor cu raze X (XPCS), Inteligența Artificială (AI) și învățarea automată, scrie Knowwridge.

Această tehnică creează „amprente digitale” ale diferitelor materiale care pot fi citite și analizate de o rețea neuronală pentru a obține noi informații pe care oamenii de știință nu le puteau accesa anterior.

O rețea neuronală este un model informatic care ia decizii într-un mod similar cu creierul uman.

Într-un nou studiu realizat de cercetătorii de la Advanced Photon Source (APS) și de la Center for Nanoscale Materials (CNM) din cadrul Argonne National Laboratory al Departamentului pentru Energie al SUA (DOE), oamenii de știință au asociat XPCS cu un algoritm de învățare automată nesupravegheat, o formă de rețea neuronală care nu necesită pregătire de specialitate.

Algoritmul învață singur să recunoască modelele ascunse în aranjamentele de raze X împrăștiate de un coloid – un grup de particule suspendate în soluție. APS și CNM sunt facilități de utilizare ale DOE Office of Science.

O lucrare bazată pe acest studiu apare în Nature Communications.

„Modul în care înțelegem modul în care materialele se mișcă și se schimbă în timp este prin colectarea datelor de împrăștiere a razelor X”, a declarat cercetătorul postdoctoral de la Argonne James (Jay) Horwath, primul autor al studiului.

Aceste modele sunt prea complicate pentru ca oamenii de știință să le poată detecta fără ajutorul inteligenței artificiale.

„Pe măsură ce facem să strălucească fasciculul de raze X, modelele sunt atât de diverse și de complicate încât devine dificil chiar și pentru experți să înțeleagă ce înseamnă oricare dintre ele”, a declarat Horwath.

Pentru ca cercetătorii să înțeleagă mai bine ceea ce studiază, ei trebuie să condenseze toate datele în amprente care să conțină doar cele mai esențiale informații despre eșantion.

„Vă puteți gândi la acest lucru ca și cum ați avea genomul materialului; acesta conține toate informațiile necesare pentru a reconstitui întreaga imagine”, a spus Horwath.

Proiectul se numește Artificial Intelligence for Non-Equilibrium Relaxation Dynamics, sau AI-NERD. Amprentele sunt create prin utilizarea unei tehnici numite autoencoder.

Un autocodor este un tip de rețea neurală care transformă datele imaginii originale în amprenta digitală – numită de cercetători reprezentare latentă – și care include, de asemenea, un algoritm decodor utilizat pentru a trece de la reprezentarea latentă înapoi la imaginea completă.

Scopul cercetătorilor a fost de a încerca să creeze o hartă a amprentelor digitale ale materialului, grupând amprentele digitale cu caracteristici similare în vecinătăți.

Privind în mod holistic caracteristicile diferitelor cartiere de amprente de pe hartă, cercetătorii au reușit să înțeleagă mai bine modul în care materialele au fost structurate și cum au evoluat în timp pe măsură ce au fost stresate și relaxate.

IA, pur și simplu, are capacități generale bune de recunoaștere a modelelor, ceea ce o face capabilă să categorizeze eficient diferitele imagini cu raze X și să le sorteze în hartă.

„Scopul AI este doar să trateze modelele de împrăștiere ca imagini sau fotografii obișnuite și să le digere, pentru a-și da seama care sunt modelele care se repetă”, a spus Horwath. „IA este un expert în recunoașterea modelelor”.

Utilizarea inteligenței artificiale pentru a înțelege datele de împrăștiere va fi deosebit de importantă odată cu intrarea în funcțiune a APS modernizat. Instalația îmbunătățită va genera fascicule de raze X de 500 de ori mai strălucitoare decât APS original.

„Datele pe care le vom obține de la APS modernizat vor avea nevoie de puterea AI pentru a le sorta”, a declarat Horwath.

Grupul de teorie de la CNM a colaborat cu grupul de calcul din cadrul diviziei X-ray Science de la Argonne pentru a efectua simulări moleculare ale dinamicii polimerilor demonstrate de XPCS și, în continuare, pentru a genera sintetic date pentru instruirea fluxurilor de lucru AI, precum AI-NERD.

Citește și

• Angelina Jolie îl imploră pe Brad Pitt să pună capăt războiului juridic. Fosta soție îi cere actorului să renunțe la litigiul vinăriei Château Miraval
• Europarlamentarul român Siegfried Mureșan cere sancțiuni pentru Ungaria după vizita lui Viktor Orban la Moscova
• Parlamentul European o confirmă pe Ursula von der Leyen în funcția de Președinte al Comisiei Europene