Новый ИИ-инструмент от Argonne обеспечивает анализ материалов в режиме реального времени

Национальная лаборатория Argonne представила DONUT — нейронную сеть, учитывающую физические законы, которая мгновенно проводит рентгеновский анализ, избавляя от многонедельного ожидания, которое традиционно следовало за экспериментами в области материаловедения. Система работает без массивных размеченных наборов данных, на которых базируется большинство моделей ИИ, что открывает путь к более быстрому и автономному проведению исследований.

Почему важен режим реального времени

В традиционных экспериментах на пучках ученые собирают данные рентгеновской дифракции, а затем тратят недели или месяцы на их обработку, чтобы определить структуру материала. Такая задержка может вынудить исследователей переделывать эксперимент или упустить кратковременные явления, возникающие только во время измерения. DONUT транслирует данные непосредственно в процессе записи, обеспечивая мгновенную обратную связь, что позволяет исследователям реагировать, если образец меняется в ходе теста.

Как DONUT обходит необходимость разметки данных

Типичные инструменты глубокого обучения полагаются на обучение с учителем: тысячи примеров, где каждая рентгеновская картина сопоставляется с известной структурой. Создание таких библиотек трудозатратно, а для новых или сложных материалов это часто и вовсе невозможно. DONUT обучается без учителя, внедряя физические законы, управляющие рентгеновским взаимодействием, непосредственно в свою архитектуру. Интериоризируя эти ограничения, сеть делает выводы о структурной информации, даже не видя предварительно размеченных примеров.

Потенциальное влияние на исследования

  • Ускорение открытий — высокая скорость позволяет исследователям быстрее изучать аккумуляторы, химические катализаторы и электронные компоненты.
  • Более широкая доступность — пользователи без глубоких знаний в области дифракционного анализа могут проводить эксперименты и получать полезные результаты, что снижает порог вхождения для новых лабораторий.
  • Адаптивные эксперименты — поскольку модель обновляется на основе последних измерений, это приближает эксперименты к полной автономности.

Итог

DONUT демонстрирует, что внедрение физики в ИИ позволяет обойти проблему «узкого места» при разметке данных, превращая рентгеновские эксперименты из медленной рутины с последующей обработкой в интерактивный процесс открытий «на месте».