作者安德烈·萨勒斯,阿尔贡国家实验室 该图显示了聚焦在大尺寸样品上的相干x光束,同时记录了样品扫描和旋转时的远场衍射图案
背景是使用自动微分方法来重建3D图像的计算系统
学分:杜明/阿尔贡国家实验室 科学家们正在用一种计算技术为下一代光源增加亮度和分辨率做准备,这种技术可以更快、更精确地重建图像
摄影师知道捕捉图像通常是一场焦点和分辨率的战斗
使用较大的光圈将相机对准前景中的物体,背景会变得模糊
使用较小的光圈来获得景深,前景的清晰度会降低
x光成像也是如此,尽管规模要小得多
像高级光子源这样的光源
S
位于能源部阿尔贡国家实验室的能源部用户设备,非常擅长使用比牙医诊所产生的x光亮度高十亿倍的x光,以高分辨率分析小样本材料
但是随着下一代x光技术的出现,更明亮的光束即将到来,这意味着成像更厚的样品将成为可能
样本越厚,得到的图像重建越有可能进入焦点
解决问题
根据阿尔贡杰出研究员、西北大学物理学教授克里斯·雅各布森的说法,这意味着科学家需要提前思考
雅各布森领导着一个研究团队,他们是最先在诸如APS升级项目之前解决x光成像挑战的人之一,该项目将把APS的x光光束亮度提高500倍
已经在进行的APS升级将会带来更持久的电池、更耐用的发动机部件和更高效的计算机
APS升级将允许在当前强度下不可能的研究项目,例如跟踪老鼠大脑内的神经连接,以了解更多关于神经疾病的信息,雅各布森的团队正在研究一个项目
但这也将增加对更先进重建工具的需求
阿尔贡的博士后研究员杜明说,这是一个可以解决的问题,但目前需要大量繁琐的计算工作
杜是发表在《科学进展》杂志上的一篇论文的主要作者,该论文描述了一种称为自动微分的技术可以帮助完成x光图像的三维重建,与传统计算相比,该技术具有更大的灵活性和更少的人力
演示这种技术的模拟(研究小组称之为阿多尔姆,用于基于自动区分的动态建模对象检索)在阿贡领导计算设施(ALCF)的超级计算机上运行,这是能源部科学用户办公室的另一个设施
杜在对库利集群进行了编码和测试
杜解释说,自动微分是许多机器学习工具的基础
用数学术语来说,它通过计算梯度来最小化损失函数,虽然杜说这些相对简单的数字运算可以手动完成,但像X射线数据的三维重建这样复杂的公式需要大量的计算
来自阿尔贡国家实验室和西北大学的研究人员正在利用ALCF的超级计算资源开发3D物体的纳米级x光成像新方法
信用:杜明,阿尔贡;西北大学的赛义德·阿里;阿尔贡/西北大学的克里斯·雅各布森 “任务很简单,但是有很多,”杜说
“这就是发明电脑的目的
简单但乏味的任务
" 雅各布森的研究团队此前在2018年发表在Optica上的一篇论文中揭示了一种新的方法,可以对景深以外的物体进行成像
他们的模型被称为多层优化物体恢复(MOR),研究小组展示了它在x光断层成像中的应用,这种成像通常以高分辨率成像材料的薄片
杜说,MOOR对每个方向的X射线数据使用密集的多层模型,以创建更厚样本的三维重建
杜说,将这种方法扩大到更大样本的三维成像,如果没有自动区分,将是一项巨大的工作
该团队正在使用ALCF的Theta超级计算机,为更大规模的自动微分动力重建构建一个框架
他说:“全息摄影在每个视角下一次拍摄中成像了整个样本。”
“问题是,对模型的一个微小调整意味着梯度计算的大量返工
自动差异化改变游戏
你可以改变模型,其他的都交给电脑处理
" 杜提供了更持久的电池作为研究项目的一个很好的例子,可以从这种计算方法中受益
他说,在电池电极上成像纳米尺度的枝晶生长,可能需要一个聚焦深度极限的解决方案,这种自动区分可以提供帮助
自动微分不是一个新想法
雅各布森说,几年前有人建议将它作为连贯图像重建的工具,但当时还没有实现它的软件
然而,机器学习和神经网络的兴起使得这项技术变得容易获得
研究小组使用了一个名为TensorFlow的开源软件包来进行模拟
雅各布森说:“计算机承担了繁重的工作,它是一个足够通用的包,可以适用于x光成像。”
到目前为止,根据雅各布森的说法,三维重建只在模拟数据上完成
该团队使用了一个计算机制造的物体——一个中空的玻璃锥——来展示自动区分可以用于更快的重建
下一步将是用物理样本进行测试,但这项技术的全面演示可能要等到下一代x光设备启动并运行后才能进行
“加速器技术的下一次飞跃即将到来,”雅各布森说
“现在考虑这个很重要
"
来源:由phyica.com整理转载自PH,转载请保留出处和链接!