|
ИИ улучшает химический анализ на наноуровне
|
|
|
|
Ученые EPFL разработали методику, основанную на искусственном интеллекте, для улучшения химического анализа наноматериалов, преодоления проблем, связанных с зашумленными данными и смешанными сигналами.
|
|
|
|
"Наноматериалы" - это широкий термин, используемый для описания химических веществ или материалов, в которых размер одной единицы составляет от 1 до 100 нанометров (нанометр - это миллиардная часть метра). Они включают в себя экзотические материалы, такие как углеродные нанотрубки, наночастицы серебра (используемые в качестве антимикробных препаратов), нанопористые материалы и многие типы катализаторов, используемых для эффективного проведения химических реакций.
|
|
|
|
Наноматериалы в настоящее время используются в самых разных областях, от медицины до электроники, что означает, что способность определять их точный химический состав имеет важное значение. Тем не менее, это оказывается сложной задачей, поскольку традиционные методы анализа наноматериалов, как правило, чувствительны к низкому отношению сигнал/шум.
|
|
|
Например, одним из широко используемых методов является энергодисперсионная рентгеновская спектроскопия (EDX) в сочетании со сканирующей просвечивающей электронной микроскопией. Этот метод позволяет получить подробные карты расположения различных элементов в образце, но при этом часто возникают помехи в данных, особенно для таких небольших объектов, и смешанные сигналы, когда различные материалы накладываются друг на друга, что затрудняет точный химический анализ.
|
|
|
|
Зашумленные данные обычно "очищаются" с помощью различных методов, от простой пространственной фильтрации до более сложных подходов к машинному обучению, таких как анализ главных компонент, которые отделяют сигналы от шума, но у них тоже есть свои недостатки. Например, они могут допускать ошибки или с трудом различать химические сигналы, когда они очень похожи.
|
|
|
|
В настоящее время три ученых из EPFL - Хуэй Чен, Дункан Александер и Сесиль Эбер - разработали основанный на машинном обучении метод под названием PSNMF ("повышение резкости на основе неотрицательной матричной факторизации"), который повышает четкость и точность данных EDX, упрощая идентификацию и количественную оценку различных химических элементов в наноматериалах.
|
|
|
|
Их работа опубликована в журнале Nano Letters.
|
|
|
|
Команда начала с использования особой характеристики своих данных, называемой "пуассоновским шумом". Этот тип шума возникает из-за случайного обнаружения рентгеновских фотонов. Когда электронный луч попадает на образец, он испускает рентгеновские фотоны, но их количество каждый раз меняется случайным образом, создавая шумную зернистую картину, известную как пуассоновский шум.
|
|
|
|
Чтобы повысить четкость своих данных, исследователи объединили данные из близлежащих пикселей, улучшив соотношение сигнал/шум в спектре за счет пространственного разрешения.
|
|
|
|
Затем они применили метод машинного обучения под названием "неотрицательная матричная факторизация" (NMF) к этому более четкому набору данных. NMF - это математический метод, который разбивает большой набор данных на более простые и мелкие части, гарантируя, что все части неотрицательны, что помогает выявлять закономерности в данных. Этот подход позволил получить хорошие спектральные данные за счет получения размытых изображений с большими пикселями.
|
|
|
|
Затем они повторили процесс NMF на исходном наборе данных высокого разрешения, чтобы сохранить подробную пространственную информацию, но инициализировали факторизацию с использованием ранее идентифицированных спектральных компонентов. Наконец, они объединили результаты обоих этапов, чтобы получить высококачественный набор данных, обладающий как высокой спектральной точностью, так и высоким пространственным разрешением.
|
|
|
|
Исследователи проверили PSNMF, используя синтетические данные, вычисленные с помощью алгоритма моделирования, разработанного в лаборатории. Эти данные имитировали реальные задачи, такие как анализ образцов минералов, сформированных в экстремальных условиях. Этот метод доказал свою высокую эффективность, позволив точно идентифицировать и разделять различные материалы, даже те, которые содержатся в небольших количествах.
|
|
|
|
При применении к реальным образцам, включая наноминерал и нанокатализатор, PSNMF успешно разделил и количественно определил перекрывающиеся материалы. Этот точный анализ имеет решающее значение для понимания и разработки новых технологий, основанных на этих сложных наноструктурах.
|
|
|
|
PSNMF - это значительное усовершенствование в наноразмерном химическом анализе. Обеспечивая точные результаты, несмотря на зашумленные данные и перекрывающиеся сигналы, этот метод расширяет наши возможности по изучению и использованию наноматериалов в различных областях, от современной электроники до медицинских устройств.
|
|
|
|
Источник
|
