신경망으로 X선 영상 재구성 가속화

과학자들은 인공지능(AI)을 사용하여 결맞는 X선 산란 데이터에서 이미지를 재구성하는 과정을 가속화하는 것을 시연했습니다. 기존 X선 영상 기술(의료 X선 이미지 등)은 제공할 수 있는 디테일 양에 제한이 있습니다. 이로 인해 몇 나노미터 해상도 이하로 재료 깊은 곳의 이미지를 제공할 수 있는 결맞는 X선 영상 방법이 개발되었습니다. 이 기술들은 렌즈 없이 빔을 샘플에서 회절 또는 산란시켜 검출기에 직접 조사함으로써 X선 이미지를 생성합니다.

그 검출기들이 포착한 데이터에는 고충실도 이미지를 재구성하는 데 필요한 모든 정보가 있으며, 계산 과학자들은 고급 알고리즘으로 이를 수행할 수 있습니다. 이러한 이미지는 과학자들이 더 나은 배터리를 설계하고, 더 내구성 있는 소재를 구축하고, 질병에 대한 더 나은 약물과 치료법을 개발하는 데 도움이 될 수 있습니다.

컴퓨터를 사용하여 결맞는 산란 X선 데이터에서 이미지를 조립하는 과정을 픽토그래피(ptychography)라고 하며, 팀은 그 데이터를 결맞는 형태로 끌어당기는 법을 배우는 신경망을 사용했습니다. 그래서 혁신 이름이 PtychoNN입니다.

X선 빔이 샘플에 부딪히면 빛이 회절되고 산란되며 샘플 주변 검출기들이 그 빛을 수집합니다. 그런 다음 과학자들이 그 데이터를 사용할 수 있는 정보로 바꾸는 것은 과학자들의 몫입니다. 그러나 도전은 X선 빔의 광자가 두 가지 정보(빔의 진폭 또는 밝기, 샘플을 통과할 때 빔이 얼마나 변하는지인 위상)를 운반하지만 검출기는 하나만 포착한다는 것입니다. 검출기는 진폭만 감지할 수 있고 위상을 감지할 수 없으므로 그 모든 정보가 손실되어 재구성해야 합니다.

할 수 있지만 과정은 과학자들이 원하는 것보다 느립. 도전의 일부는 데이터 수집 끝에 있습니다. 결맞는 회절 영상 실험에서 위상 데이터를 재구성하기 위해 현재 알고리즘은 과학자들이 샘플에서 훨씬 더 많은 진폭 데이터를 수집하도록 요구하며, 이는 더 오래 걸립니다. 하지만 그 데이터로부터 실제 재구성도 시간이 걸립니다. 여기서 PtychoNN이 나옵니다. AI 기술을 사용하여 연구자들은 컴퓨터가 X선 데이터에서 이미지를 예측하고 재구성하도록 가르칠 수 있으며, 기존 방법보다 300배 빠르게 할 수 있음을 시연했습니다. 그 이상으로 PtychoNN은 양쪽 끝에서 프로세스를 가속화할 수 있습니다.