作者安德烈·萨勒斯，阿尔贡国家实验室 PtychoNN使用人工智能技术从x光数据中重建振幅和相位，提供科学家可以使用的图像
学分:马修·切鲁卡拉/阿尔贡国家实验室 来自阿尔贡的一组科学家正在使用人工智能来更快地解码x光图像，这可能有助于医学、材料和能源方面的创新
这听起来像是来自遥远的未来的一个调度:一个计算机系统，它不仅可以从大量的x光数据中重建图像，速度是目前方法的数百倍，而且可以从经验中学习，设计更好、更有效的方法来计算这些重建
但是，随着下一代x光光源的出现——以及它们将产生的数据量的大幅增加——科学家们有理由迅速追求这一未来
在最近发表在《应用物理快报》上的一篇论文中，来自美国两所大学的一组计算机科学家
S
能源部下属的阿贡国家实验室的科学用户设备办公室——高级光子源和纳米材料中心(CNM)——已经演示了使用人工智能来加速从相干x光散射数据重建图像的过程
传统的x光成像技术(如医用x光图像)在能够提供的细节数量上是有限的
这导致了相干x光成像方法的发展，这种方法能够以几纳米或更低的分辨率提供来自材料内部深处的图像
这些技术通过衍射或散射来自样品的光束并直接到达检测器，无需透镜就能产生x光图像
这些探测器捕获的数据包含了重建高保真图像所需的所有信息，计算科学家可以通过先进的算法做到这一点
这些图像可以帮助科学家设计更好的电池，制造更耐用的材料，开发更好的药物和疾病治疗方法
使用计算机将相干散射x光数据组装成图像的过程被称为ptychography，该团队使用神经网络来学习如何将这些数据转换成相干形式
因此他们的创新命名为:PtychoNN
“这种现象的起源可以追溯到几年前，”马修·切鲁卡拉说，他是这篇论文的第一作者，也是一位在美国物理学会和CNM大学工作过的计算科学家
APS计划在未来几年进行大规模升级，将X射线束的亮度提高500倍
预计数据也会有类似的增长，目前重建图像的计算方法已经难以跟上
切鲁卡拉说:“我们担心升级后，数据速率会过大，传统的成像分析方法无法工作。”
“人工智能方法可以跟上，并且产生图像的速度比传统方法快几百倍
" PtychoNN还解决了从事x光散射实验的计算机科学家面临的最大问题之一:相位问题
接受挑战 想象一个奥林匹克大小的游泳池，里面全是游泳者
现在想象一下，抬头看着水池上方的天花板上水面反射的光
如果有人让你找出，仅仅从天花板上那些闪烁的灯光，游泳者在游泳池里的位置，你能做到吗？ 根据马丁·霍尔特的说法，这就是从相干x光散射数据重建图像的过程
霍尔特是CNM大学的临时小组组长，也是该论文的作者之一
他的工作是使用复杂的计算机系统从散射的光子数据中构建图像——或者，本质上，是观察天花板上的水的反射，并制作游泳者的图像
当x光射到样品上时，光被衍射和散射，样品周围的探测器收集这些光
然后就要靠霍尔特和像他这样的科学家将这些数据转化为科学家可以使用的信息
然而，挑战在于，虽然x光光束中的光子携带两条信息——光束的振幅或亮度，以及光束通过样本时的相位或变化程度——但探测器只捕捉到一条
霍尔特说:“因为探测器只能探测振幅，而不能探测相位，所以所有的信息都丢失了，所以我们需要重建它。”
" 好消息是，科学家可以做到
坏消息是，这个过程比那些科学家希望的要慢
挑战的一部分在数据采集端
为了从相干衍射成像实验中重建相位数据，目前的算法要求科学家从他们的样本中收集更多的振幅数据，这需要更长的时间
但是根据这些数据进行实际重建也需要一些时间
这就是PtychoNN的作用
使用人工智能技术，研究人员团队已经证明，计算机可以被教授从x光数据中预测和重建图像，并且可以比传统方法快300倍
除此之外，PtychoNN还能够在两端加速这个过程
“我们的提议不需要传统算法需要的重叠信息，”阿尔贡x光科学部门(XSD)的博士后周涛说，他也是这篇论文的合著者
“人工智能可以被训练成点对点地预测图像
" 高等教育 研究小组没有使用模拟图像来训练神经网络，而是使用了在CNM操作的美国物理学会的26号束线处拍摄的真实x光数据
由于该束线用于纳米科学，其光学系统将x光束聚焦到非常小的尺寸
在这个实验中，研究小组成像了一个物体——在这个例子中，是一块蚀刻有随机特征的钨——并向该系统提供了比通常重建完整图像所需的更少的信息
“有两个关键要点，”切鲁卡拉说
“如果数据采集和现在的方法一样，PtychoNN要快300倍
但是它也可以减少生成图像所需的数据量
" 切鲁卡拉指出，用更少的信息进行重建自然会导致图像质量更差，但你仍然会得到一幅图像，而传统的算法方法无法产生一幅图像
他说，科学家有时会遇到时间限制，不允许捕获完整的数据集，或者损坏的样本，在这些情况下，完整的数据集是不可能的，即使在这些情况下，PtychoNN也可以生成可用的图像。
该团队表示，所有这些效率对于保时捷中国来说是个好兆头，因为它是APS升级后的一种新的前进方式
这种方法将允许数据分析和图像恢复跟上数据的增长
下一步是超越概念验证，生成完整的三维和时间分辨图像，并将PtychoNN纳入APS工作流程
该论文的合著者、XSD的物理学家和相干衍射成像仪器的首席开发人员罗斯·哈德说:“接下来的事情是展示它在更多数据集上工作，并在日常使用中实现它。”
切鲁卡拉说，这样做甚至可以产生一个自我改进的系统，这个系统可以不断从美国物理学会的每个衍射实验中学习
他设想一个在后台安静运行的程序，通过观察每个数据集变得更加高效
对霍尔特来说，像PtychoNN这样的创新是阿尔贡组合资源解决问题方式的自然产物
“我们在阿尔贡有很好的计算资源，是世界上最好的光源之一，也是一个专注于纳米技术的中心，”他说
“这就是阿尔贡的真正实力，这些都在同一个实验室
"
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
