作者:新加坡国立大学杜安·陆 数百个聚焦x射线自由电子激光脉冲(此处显示)强度分布的随机变化降低了成像分辨率
这项工作的作者将机器学习与计算透镜相结合,以推断和减少这些变化,从而提高单粒子成像的分辨率
新加坡国立大学的科学家共同领导了一项国际合作,以解决难以捉摸的X射线自由电子激光波前,为高通量、高分辨率、机器学习成像铺平了道路
明亮、超快的X射线自由电子激光(XFEL)脉冲源可以在几小时内询问数百万个单个粒子
通过对每个粒子分别成像,XFELs为每个粒子的结构和动力学的细微但重要的差异打开了一扇前所未有的窗户
然而,这种形式的单粒子成像伴随着一项艰巨的机器学习任务:每个粒子引入几个必须推断的不可测量的有害参数(粒子的方向、位置、状态等);除此之外,不同XFEL脉冲的强度和波前轮廓之间也存在差异
众所周知,这些脉冲很难在焦点处表征,因为它们非常强烈,很容易使传统的x光仪器失效
新加坡国立大学生物科学系和物理系的Duane Loh教授领导的一个研究小组与包括瑞典、英国、意大利和美利坚合众国团体在内的国际伙伴合作,能够使用一种被称为混合态光子成像的技术来解析来自SLAC国家加速器实验室Li nac相干光源的数千个XFEL脉冲
与使用物理透镜形成图像的传统可见光显微术不同,XFEL照明粒子的结构必须改为使用计算透镜(例如ptychography)来推断,计算透镜使用基于X射线的科学和光学的已知原理形成图像
另一个复杂的问题是,由于自发产生的方式,没有两个XFEL脉冲是相同的
混合状态形式主义非常好地处理了这种不确定性
他们的技术还有一个额外的优势,那就是使用非常小的信号强度
这很重要,因为X射线脉冲的功率必须被高度衰减以保护被照射的参考目标
数千个X射线脉冲之间的关键差异被定量捕获,并形成结构确定和实验设计的重要先验
陆教授说:“基于XFEL的成像实验有时感觉像是在蒙着眼睛的状态下同时下了几盘棋
我们的工作最终揭示了哪些成像参数对于解析隐藏在粒子群中的结构类至关重要
" 这项工作展示了一种在几分钟内快速表征和优化数万个极其明亮和聚焦的X射线脉冲的嵌入式方案
最终目标是在成像时也这样做——从每个脉冲中吸走一小部分未散射的X射线光子,以执行真正的实时并发诊断
来源:由phyica.com整理转载自PH,转载请保留出处和链接!