Mengaktifkan Masa Depan Mikroskopi Berdasarkan Data

[ad_1]

Mengaktifkan Masa Depan Mikroskopi Berdasarkan Data

Kecerdasan buatan yang diinfus data dapat mempercepat penemuan material

  • Memasukkan ilmu data dan kecerdasan buatan ke dalam mikroskop elektron dapat meningkatkan penyimpanan energi, ilmu informasi kuantum, dan desain material.

    Kredit: Ilustrasi oleh Timothy Holland | PNNL

    Memasukkan ilmu data dan kecerdasan buatan ke dalam mikroskop elektron dapat meningkatkan penyimpanan energi, ilmu informasi kuantum, dan desain material.

  • Ilmuwan material Steven Spurgeon melakukan penelitian dengan mikroskop elektron transmisi pemindaian JEOL GrandArm 300 di Radiological Microscopy Suite di Laboratorium Pemrosesan Radiokimia PNNL.

    Kredit: Foto: Andrea Starr | PNNL

    Ilmuwan material Steven Spurgeon melakukan penelitian dengan mikroskop elektron transmisi pemindaian JEOL GrandArm 300 di Radiological Microscopy Suite di Laboratorium Pengolahan Radiokimia PNNL.

  • Ilmuwan material PNNL Steven Spurgeon, kiri, dan Mitra Taheri, direktur Laboratorium Karakterisasi dan Pemrosesan Material di Universitas Johns Hopkins, pada lokakarya NexTem 2018. </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> </s> orang </s>” data-pagespeed-url-hash=”2889319734″ onload=”pagespeed.CriticalImages.checkImageForCriticality(this);”/></p></div><p class=Kredit: Foto: Andrea Starr | PNNL

    Ilmuwan material PNNL Steven Spurgeon, kiri, dan Mitra Taheri, direktur Laboratorium Karakterisasi dan Pemrosesan Material di Universitas Johns Hopkins, pada lokakarya NexTem 2018. orang


Oleh Tim Ledbetter

Kita dikelilingi oleh dunia atom tak terlihat yang mengatur kehidupan dan teknologi yang kita gunakan setiap hari, seperti baterai dan komputer.

Para ilmuwan telah mengembangkan mikroskop kuat yang menggunakan berkas elektron untuk mengintip ke dunia ini, mengungkapkan bagaimana gerakan atom kecil dan cacat berdampak besar pada bahan dan proses kimia. Namun, banyak pertanyaan tetap berada di luar jangkauan mikroskop saat ini, mengharuskan kami untuk menata ulang alat yang digunakan untuk mensurvei lanskap atom.

Tim peneliti internasional yang dipimpin oleh Pacific Northwest National Laboratory (PNNL) telah menerbitkan visi untuk mikroskop elektron yang dilengkapi dengan kemajuan terbaru dalam ilmu data dan kecerdasan buatan. Menulis komentar di Bahan Alam, tim mengusulkan arsitektur mikroskop yang sangat terintegrasi, otonom, dan berbasis data untuk mengatasi tantangan dalam penyimpanan energi, ilmu informasi kuantum, dan desain material. Mereka menjelaskan bagaimana pendekatan ini dapat memberikan wawasan baru tentang properti material, memungkinkan eksperimen dalam skala besar tidak mungkin dilakukan saat ini.

“Ilmu material dan mikroskop sedang mengalami transformasi radikal,” jelas Steven Spurgeon, seorang ilmuwan material PNNL dan penulis utama publikasi tersebut. “Teknik sains data tingkat lanjut mulai membentuk kembali bagaimana eksperimen direncanakan, dilakukan, dan diinterpretasikan, memungkinkan kami untuk mengekstrak informasi statistik yang mendalam tentang proses yang sangat kompleks untuk pertama kalinya.”

Batasan mikroskop dan informasi yang berlebihan

Mikroskopi elektron telah lama memainkan peran penting dalam karakterisasi material hingga ke level atom tunggal, dibantu oleh perkembangan seperti lensa elektromagnetik yang ditingkatkan. Namun, bidang tersebut secara keseluruhan, kata Spurgeon, belum mengadopsi metode sains data yang telah merevolusi domain lain, seperti analisis cryo partikel tunggal dan kristalografi sinar-X.

Mikroskopi tradisional dibatasi kemampuannya untuk menganalisis banyak sampel representatif secara efektif dan mengintegrasikan data multidimensi dalam jumlah besar dari detektor berkecepatan tinggi. Batasan lain adalah kesulitan dalam mengakses data dari eksperimen sebelumnya, yang membuat data tidak langsung dimasukkan ke dalam desain eksperimen dan proses analisis.

“Kami dengan cepat mendekati titik jenuh data,” kata Mitra Taheri, salah satu penulis publikasi dan direktur Laboratorium Karakterisasi dan Pemrosesan Material di Universitas Johns Hopkins, dengan janji temu di PNNL.

“Untuk sepenuhnya memanfaatkan volume data yang belum pernah terjadi sebelumnya ini, kami perlu memikirkan kembali sepenuhnya bagaimana eksperimen dilakukan dalam mikroskop,” kata Taheri. “Tidak hanya kecerdasan buatan dan alat pembelajaran mesin memungkinkan kami untuk mengelola aliran data, tetapi juga memungkinkan solusi mikroskop yang lebih inovatif maju.”

Membuat data mikroskop dapat diakses secara internasional

Dalam artikel mereka, tim peneliti mengusulkan untuk mengintegrasikan kecerdasan buatan dan pembelajaran mesin ke dalam setiap langkah alur kerja mikroskop. Mereka sangat mendukung pengembangan infrastruktur mikroskopis baru — yang dimajukan melalui inisiatif teknologi nasional multi-institut — yang membuat data lebih dapat diakses oleh organisasi penelitian di seluruh dunia. Dengan cara ini, pengukuran sebelumnya dapat digunakan untuk memilih teknik dan menafsirkan hasil dengan cepat, menginformasikan algoritma pengambilan keputusan otonom. Pustaka besar dari eksperimen sebelumnya dapat digunakan untuk menyoroti fitur laten dan menawarkan panduan bagi pengguna. Kekuatan dari pendekatan “crowdsourced” ini adalah bahwa pendekatan ini sangat skalabel, tidak terlalu rentan terhadap bias operator, dan lebih dapat diulang, yang akan menghasilkan hasil yang lebih baik.

Pada akhirnya, tim berharap untuk menunjukkan potensi ilmu data yang sangat besar dan belum tergali serta peran pentingnya dalam membuka kekuatan penuh mikroskop elektron.

“Sebagai komunitas kita harus memikirkan kembali cara mikroskop dilakukan di setiap tingkat, dari ahli domain hingga perancang instrumen, jika kita ingin memecahkan tantangan dekade berikutnya,” kata Spurgeon. Karyanya di PNNL termasuk memimpin proyek Nuclear Process Science Initiative pada studi resolusi tinggi dari kerusakan radiasi di oksida, yang mendukung pekerjaan ini.

Komentar tersebut, diterbitkan pada 26 Oktober 2020, edisi online Bahan Alam (DOI: 10.1038 / s41563-020-00833-z), merupakan hasil workshop Next-Generation Transmission Electron Microscopy (NexTEM) pertama yang diadakan di PNNL pada tahun 2018.

Tim penulis termasuk Colin Ophus dan Haimei Zheng, Laboratorium Nasional Lawrence Berkeley; Lewys Jones, Trinity College Dublin, Irlandia; Amanda Petford-Long, Laboratorium Nasional Argonne; Sergei V. Kalinin, Laboratorium Nasional Oak Ridge; Rafal E. Dunin-Borkowski, Forschungszentrum Jülich, Jerman; Norman Salmon, Hummingbird Scientific; Khalid Hattar, Laboratorium Nasional Sandia; Wei-Chang D. Yang dan Renu Sharma, Institut Standar dan Teknologi Nasional – Gaithersburg; Ann Chiaramonti, Institut Standar dan Teknologi Nasional – Boulder; R. Lee Penn, Universitas Minnesota; Mitsuhiro Murayama, Virginia Tech; Mitra Taheri, Universitas Johns Hopkins; dan Matthew J. Olszta, Dongsheng Li, Xin Zhang, Yingge Du, Libor Kovarik, Edgar Buck, dan Steven Spurgeon, PNNL.

Diposting Oleh : https://singaporeprize.co/

About the author