В Новосибирском университете разработали ИИ для обработки рентгеновской спектроскопии

Фото: сгенерировано нейросетью Kandinsky
В Новосибирском государственном университете создали инновационную модель глубокого машинного обучения, которая предназначена для автоматической обработки спектров рентгеновской фотоэлектронной спектроскопии (РФЭС).

Эта технология применяется в различных областях, включая химию и материаловедение.

Как рассказали в пресс-службе вуза, использование этой модели позволит исследователям значительно ускорить процесс обработки данных.

РФЭС — это способ анализа состава элементов, химических и электронных характеристик атомов на поверхности исследуемого материала, который основан на эффекте внешнего фотоэлектрического явления.

Для получения спектров используется метод облучения материала рентгеновскими лучами, при этом регистрируется зависимость количества испускаемых электронов от энергии их связи.

Этот метод является одним из наиболее популярных в спектроскопии и применяется в катализе, материаловедении, физике полупроводников и других областях современной науки.

Для проверки модели и алгоритмов последующей обработки были использованы спектры хлорида серебра, полученные научной группой из Института катализа имени Г. К. Борескова СО РАН.

В ходе исследований было обнаружено, что разработанный метод, который включает в себя сегментацию спектров с помощью нейронной сети и последующую обработку, хорошо согласуется с результатами ручного анализа.

«С запуском центра коллективного пользования «Сибирский кольцевой источник фотонов» объём данных значительно возрастёт, но до сих пор не существует инструментов для их автоматической обработки. Мы решили впервые применить для решения этой задачи нейронные сети. Для обучения модели мы использовали синтетические данные. Каждый такой спектр содержал шум, пики и фон неупругого рассеяния. Затем мы разработали алгоритм для последующей обработки результатов анализа модели», — сообщает пресс-служба НГУ, цитируя автора разработки Артёма Вахрушева.

Архитектура модели, обучение и тестирование были разработаны с помощью инструмента для создания нейросетей PyTorch на языке программирования Python.

Процесс обработки спектра занимает менее секунды на домашнем ноутбуке. В то время как обычная обработка данных требует ручного труда и представляет собой рутинную задачу — на описание одного спектра у научного сотрудника уходит около 10 минут.

Чтобы сделать работу с нейросетью более комфортной, Вахрушев уже начал разработку её графического интерфейса. Кроме того, он планирует создать систему, которая будет обрабатывать большое количество спектров в режиме реального времени, позволяя отслеживать изменения в составе исследуемой поверхности.

Если вы нашли ошибку, пожалуйста, выделите фрагмент текста и нажмите Ctrl+Enter.

Загрузка ...
Жуковский Life

Сообщить об опечатке

Текст, который будет отправлен нашим редакторам: