Utilisation des réseaux de neurones pour une imagerie par rayons X plus rapide

Les scientifiques ont démontré l'utilisation de l'intelligence artificielle (IA) pour accélérer le processus de reconstruction d'images à partir de données cohérentes de diffusion de rayons X. Les techniques d'imagerie par rayons X traditionnelles (comme les images radiographiques médicales) sont limitées dans la quantité de détails qu'elles peuvent fournir. Cela a conduit au développement de méthodes d'imagerie par rayons X cohérentes capables de fournir des images du plus profond des matériaux à une résolution de quelques nanomètres ou moins. Ces techniques génèrent des images à rayons X sans avoir besoin de lentilles en diffractant ou en diffusant le faisceau hors des échantillons et directement sur les détecteurs.

Les données capturées par ces détecteurs contiennent toutes les informations nécessaires pour reconstruire des images haute fidélité et les informaticiens peuvent le faire avec des algorithmes avancés. Ces images peuvent ensuite aider les scientifiques à concevoir de meilleures batteries, à fabriquer des matériaux plus durables et à développer de meilleurs médicaments et traitements contre les maladies.

Le processus d'utilisation d'ordinateurs pour assembler des images à partir de données cohérentes de rayons X dispersées s'appelle la ptychographie et l'équipe a utilisé un réseau de neurones qui apprend à extraire ces données sous une forme cohérente - d'où le nom de l'innovation :PtychoNN.

Lorsqu'un faisceau de rayons X frappe un échantillon, la lumière est diffractée et diffusée et les détecteurs autour de l'échantillon collectent cette lumière. Il appartient ensuite aux scientifiques de transformer ces données en informations utilisables. Le défi, cependant, est que si les photons du faisceau de rayons X transportent deux éléments d'information - l'amplitude ou la luminosité du faisceau, et la phase ou la quantité de changement du faisceau lorsqu'il traverse l'échantillon - les détecteurs ne font que en capturer un. Étant donné que les détecteurs ne peuvent détecter que l'amplitude et qu'ils ne peuvent pas détecter la phase, toutes ces informations sont perdues et doivent donc être reconstruites.

Cela peut être fait, mais le processus est plus lent que ne le souhaiteraient les scientifiques. Une partie du défi se situe du côté de l'acquisition de données. Afin de reconstruire les données de phase à partir d'expériences d'imagerie de diffraction cohérentes, les algorithmes actuels obligent les scientifiques à collecter beaucoup plus de données d'amplitude à partir de leur échantillon, ce qui prend plus de temps. Mais la reconstruction proprement dite à partir de ces données prend également un certain temps. C'est là qu'intervient PtychoNN. En utilisant des techniques d'IA, les chercheurs ont démontré que les ordinateurs peuvent apprendre à prédire et à reconstruire des images à partir de données de rayons X et peuvent le faire 300 fois plus rapidement que la méthode traditionnelle. Plus que cela, cependant, PtychoNN est capable d'accélérer le processus des deux côtés.