阿貢國家實驗室的一組科學家開發了一種新方法，在人工智能的幫助下，將 X 射線數據轉換成可見的3D圖像。這個 study ，發表于 應用物理評論 ，開發了一個計算框架，能夠從實驗室的高級光子源（ APS ）獲取數據，并以比傳統方法快數百倍的速度創建三維可視化。

“為了充分利用升級后的 AP 的功能，我們必須重新設計數據分析。我們目前的方法不足以跟上。機器學習可以充分利用并超越目前的可能，”阿貢大學的計算科學家、該研究的合著者馬修·切魯卡拉在一份新聞稿中說。

這一進步可能對依賴大量 3D 數據的許多研究領域產生廣泛的好處，從天文學到納米級成像。

APS 被稱為世界上技術最復雜的機器之一，它使用極其明亮的 X 射線束幫助研究人員在分子和原子水平上觀察材料的結構。當這些光束從物體上反彈時，探測器以數據的形式收集它們。經過時間和復雜的計算，這些數據被轉換成圖像，顯示出物體的結構。

然而，探測器無法捕獲所有光束數據，留下丟失的信息片段。研究人員通過使用神經網絡來填補這一空白，神經網絡訓練計算機模型，以根據輸入的原始數據識別對象并可視化圖像。

對于 3D 圖像，由于處理的信息量很大，這可能非常及時。

“我們利用計算機模擬創造出不同形狀和大小的晶體，并將它們轉換成圖像和衍射圖案，供神經網絡學習。阿貢博士后研究員、該研究的合著者亨利·陳（ Henry Chan ）說：“模擬的好處是可以很容易地快速生成許多用于訓練的真實晶體。”。

新計算框架（稱為 3D-CDI-NN ）的工作是使用阿貢系統評估聯合實驗室的 GPU 資源開發的，包括 NVIDIA A100 and RTX 8000 GPUs.

“這張紙……大大簡化了成像過程。我們想知道一種材料是什么，以及它是如何隨時間變化的，這將有助于我們在進行測量時更好地了解它，”該研究的合著者、阿貢材料科學部門的物理學家 Stephan Hruszkewycz 說。

關于作者

Michelle Horton 是 NVIDIA 的高級開發人員通信經理，擁有通信經理和科學作家的背景。她在 NVIDIA 為開發者博客撰文，重點介紹了開發者使用 NVIDIA 技術的多種方式。

審核編輯：郭婷