阿貢國家實(shí)驗(yàn)室的一組科學(xué)家開發(fā)了一種新方法，在人工智能的幫助下，將 X 射線數(shù)據(jù)轉(zhuǎn)換成可見的3D圖像。這個 study ，發(fā)表于 應(yīng)用物理評論 ，開發(fā)了一個計(jì)算框架，能夠從實(shí)驗(yàn)室的高級光子源（ APS ）獲取數(shù)據(jù)，并以比傳統(tǒng)方法快數(shù)百倍的速度創(chuàng)建三維可視化。

“為了充分利用升級后的 AP 的功能，我們必須重新設(shè)計(jì)數(shù)據(jù)分析。我們目前的方法不足以跟上。機(jī)器學(xué)習(xí)可以充分利用并超越目前的可能，”阿貢大學(xué)的計(jì)算科學(xué)家、該研究的合著者馬修·切魯卡拉在一份新聞稿中說。

這一進(jìn)步可能對依賴大量 3D 數(shù)據(jù)的許多研究領(lǐng)域產(chǎn)生廣泛的好處，從天文學(xué)到納米級成像。

APS 被稱為世界上技術(shù)最復(fù)雜的機(jī)器之一，它使用極其明亮的 X 射線束幫助研究人員在分子和原子水平上觀察材料的結(jié)構(gòu)。當(dāng)這些光束從物體上反彈時(shí)，探測器以數(shù)據(jù)的形式收集它們。經(jīng)過時(shí)間和復(fù)雜的計(jì)算，這些數(shù)據(jù)被轉(zhuǎn)換成圖像，顯示出物體的結(jié)構(gòu)。

然而，探測器無法捕獲所有光束數(shù)據(jù)，留下丟失的信息片段。研究人員通過使用神經(jīng)網(wǎng)絡(luò)來填補(bǔ)這一空白，神經(jīng)網(wǎng)絡(luò)訓(xùn)練計(jì)算機(jī)模型，以根據(jù)輸入的原始數(shù)據(jù)識別對象并可視化圖像。

對于 3D 圖像，由于處理的信息量很大，這可能非常及時(shí)。

“我們利用計(jì)算機(jī)模擬創(chuàng)造出不同形狀和大小的晶體，并將它們轉(zhuǎn)換成圖像和衍射圖案，供神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)。阿貢博士后研究員、該研究的合著者亨利·陳（ Henry Chan ）說：“模擬的好處是可以很容易地快速生成許多用于訓(xùn)練的真實(shí)晶體。”。

新計(jì)算框架（稱為 3D-CDI-NN ）的工作是使用阿貢系統(tǒng)評估聯(lián)合實(shí)驗(yàn)室的 GPU 資源開發(fā)的，包括 NVIDIA A100 and RTX 8000 GPUs.

“這張紙……大大簡化了成像過程。我們想知道一種材料是什么，以及它是如何隨時(shí)間變化的，這將有助于我們在進(jìn)行測量時(shí)更好地了解它，”該研究的合著者、阿貢材料科學(xué)部門的物理學(xué)家 Stephan Hruszkewycz 說。

關(guān)于作者

Michelle Horton 是 NVIDIA 的高級開發(fā)人員通信經(jīng)理，擁有通信經(jīng)理和科學(xué)作家的背景。她在 NVIDIA 為開發(fā)者博客撰文，重點(diǎn)介紹了開發(fā)者使用 NVIDIA 技術(shù)的多種方式。

審核編輯：郭婷