通过深度学习将X射线数据转换成3D图像

描述

  阿贡国家实验室的一组科学家开发了一种新方法,在人工智能的帮助下,将 X 射线数据转换成可见的3D图像。这个 study ,发表于 应用物理评论 ,开发了一个计算框架,能够从实验室的高级光子源( APS )获取数据,并以比传统方法快数百倍的速度创建三维可视化。

  “为了充分利用升级后的 AP 的功能,我们必须重新设计数据分析。我们目前的方法不足以跟上。机器学习可以充分利用并超越目前的可能,”阿贡大学的计算科学家、该研究的合著者马修·切鲁卡拉在一份新闻稿中说。

  这一进步可能对依赖大量 3D 数据的许多研究领域产生广泛的好处,从天文学到纳米级成像。

  APS 被称为世界上技术最复杂的机器之一,它使用极其明亮的 X 射线束帮助研究人员在分子和原子水平上观察材料的结构。当这些光束从物体上反弹时,探测器以数据的形式收集它们。经过时间和复杂的计算,这些数据被转换成图像,显示出物体的结构。

  然而,探测器无法捕获所有光束数据,留下丢失的信息片段。研究人员通过使用神经网络来填补这一空白,神经网络训练计算机模型,以根据输入的原始数据识别对象并可视化图像。

  对于 3D 图像,由于处理的信息量很大,这可能非常及时。

  “我们利用计算机模拟创造出不同形状和大小的晶体,并将它们转换成图像和衍射图案,供神经网络学习。阿贡博士后研究员、该研究的合著者亨利·陈( Henry Chan )说:“模拟的好处是可以很容易地快速生成许多用于训练的真实晶体。”。

  新计算框架(称为 3D-CDI-NN )的工作是使用阿贡系统评估联合实验室的 GPU 资源开发的,包括 NVIDIA A100 and RTX 8000 GPUs.

  “这张纸……大大简化了成像过程。我们想知道一种材料是什么,以及它是如何随时间变化的,这将有助于我们在进行测量时更好地了解它,”该研究的合著者、阿贡材料科学部门的物理学家 Stephan Hruszkewycz 说。

  关于作者

  Michelle Horton 是 NVIDIA 的高级开发人员通信经理,拥有通信经理和科学作家的背景。她在 NVIDIA 为开发者博客撰文,重点介绍了开发者使用 NVIDIA 技术的多种方式。

  审核编辑:郭婷

打开APP阅读更多精彩内容
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉

全部0条评论

快来发表一下你的评论吧 !

×
20
完善资料,
赚取积分