Как и люди, материалы со временем меняются и ведут себя по-разному в зависимости от внешних условий. Чтобы измерять и понимать динамику изменения различных материалов, группа ученых из Аргоннской национальной лаборатории Министерства энергетики США разработала инновационный метод, сочетающий рентгеновскую спектроскопию, искусственный интеллект и машинное обучение. Этот подход позволяет создавать уникальные "отпечатки пальцев" материалов, которые могут быть проанализированы с помощью нейронных сетей.
В основе новой методики лежит использование рентгеновской фотонной корреляционной спектроскопии (XPCS) – техники, которая позволяет измерять и визуализировать динамику изменения материалов во времени. Когда материал облучается рентгеновскими лучами, возникают сложные и разнообразные узоры рассеяния, которые несут в себе ценную информацию о структуре и поведении этого материала.
"Даже для экспертов бывает трудно понять, что означают эти сложные картины рассеяния", - поясняет Джеймс Хорват, ведущий автор исследования из Аргоннской национальной лаборатории. Чтобы извлечь максимум полезной информации из этих данных, ученые решили объединить XPCS с методами искусственного интеллекта и машинного обучения.
Они разработали алгоритм на основе автоэнкодера – специального типа нейронной сети, который способен преобразовывать исходные данные рассеяния в компактные "отпечатки пальцев" материалов. Эти отпечатки содержат в себе ключевую информацию о структуре и динамике изменения образцов, которую невозможно было бы выявить вручную.
Далее ученые использовали методы неконтролируемого машинного обучения, чтобы сгруппировать эти отпечатки пальцев в кластеры со схожими характеристиками. Анализируя особенности различных кластеров, исследователи смогли лучше понять, как материалы структурированы и как они эволюционируют во времени под воздействием стресса и релаксации.
"Можно представить эти отпечатки пальцев как своего рода геном материала - они содержат всю необходимую информацию для реконструкции полной картины", - говорит Хорват.
Использование искусственного интеллекта в данном случае оказалось крайне эффективным, поскольку ИИ обладает превосходными способностями к распознаванию образов и классификации сложных данных рассеяния рентгеновских лучей. Это особенно важно в свете предстоящего обновления Расширенного источника фотонов (APS) в Аргоннской лаборатории, который будет генерировать в 500 раз более яркие рентгеновские лучи, создавая еще более сложные картины рассеяния.
"Для обработки огромных объемов данных, которые мы получим от модернизированной APS, потребуется мощность искусственного интеллекта", - подчеркивает Хорват.
Новый метод, объединяющий XPCS, ИИ и машинное обучение, открывает новые возможности для глубокого изучения динамики материалов и их внутренней структуры на атомном уровне. Эти знания могут быть использованы для разработки передовых материалов с заданными свойствами.
