Le reazioni chimiche potrebbero essere sondate in modo ancora più dettagliato utilizzando un metodo inventato dai ricercatori Imperial che caratterizza meglio i raggi X ultraveloci.

I raggi X possono essere utilizzati per studiare le strutture di, e reazioni tra, molecole su scale molto piccole e ad alta velocità. Per fare questo, gli scienziati utilizzano laser a elettroni liberi (FEL) per creare un treno di impulsi a raggi X.

Ciò consente ai ricercatori di sondare alcuni dei processi fondamentali in chimica e biologia, come i meccanismi della fotosintesi e le reazioni degli amminoacidi, che sono gli elementi costitutivi della vita.

Però, I FEL sono intrinsecamente instabili, il che significa che le proprietà dei raggi X risultanti possono variare da un impulso all'altro. Ciò può portare a imprecisioni nelle misurazioni effettuate utilizzando quei raggi X.

Esistono metodi per misurare le proprietà effettive dei raggi X prodotti, ma possono interferire con l'esperimento, e molti non saranno in grado di tenere il passo con le frequenze degli impulsi molto elevate della prossima generazione di FEL a raggi X, come l'XFEL europeo ad Amburgo (attualmente in fase di test) e il Linac Coherent Light Source II (LCLS-II) negli Stati Uniti.

Ora, un team di ricerca guidato da fisici dell'Imperial College di Londra ha utilizzato una tecnica di intelligenza artificiale nota come apprendimento automatico per prevedere con precisione le proprietà dei raggi X. Queste previsioni si basano su alcune misurazioni del FEL, che può essere eseguito abbastanza velocemente da corrispondere alla velocità dei raggi X.

Mille volte più dati

I risultati dello studio, coinvolgendo 18 istituti di ricerca del Regno Unito, Germania, Svezia, Stati Uniti e Giappone, sono pubblicati oggi in Comunicazioni sulla natura .

L'autore principale del nuovo studio Alvaro Sanchez-Gonzalez del Dipartimento di Fisica dell'Imperial ha dichiarato:"Per gli strumenti attuali, che generano circa un centinaio di impulsi al secondo, la natura lenta della caratterizzazione a raggi X significa che a volte fino alla metà dei dati è inutilizzabile.

"Questo problema sarà aggravato solo dagli strumenti di prossima generazione, come l'XFEL europeo o LCLS-II, progettato per generare centinaia di migliaia di impulsi al secondo.

"Il nostro metodo risolve efficacemente il problema, e dovrebbe funzionare sui nuovi strumenti così come su quelli più vecchi su cui lo abbiamo testato. Ciò consentirà di raccogliere dati utili fino a mille volte più velocemente."

La velocità della tecnica significa che le reazioni chimiche potrebbero essere esplorate in maggior dettaglio, poiché i cambiamenti nelle molecole potrebbero essere osservati su scale temporali più brevi, fino a singoli femtosecondi (un quadrilionesimo di secondo).

Il ricercatore capo, il professor Jon Marangos del Dipartimento di Fisica dell'Imperial, ha dichiarato:"Questi esperimenti a fuoco rapido ci permetteranno di osservare interazioni che di solito accadono troppo velocemente per essere catturate.

"Permetteranno inoltre ai ricercatori di creare "filmati molecolari" di questi processi ultraveloci, per esempio per vedere come si muovono gli atomi e anche gli elettroni più veloci durante una reazione chimica"

Previsione delle proprietà dei raggi X

I ricercatori sapevano che c'erano centinaia di variabili nel FEL che potevano essere potenzialmente utilizzate per prevedere le proprietà dei raggi X, ma ci vorrebbe molto tempo per controllare manualmente ciascuno di questi. Quindi il team, che comprendeva gli studenti universitari dell'ultimo anno di MSci Paul Micaelli e Charles Olivier all'Imperial, ha creato un programma di apprendimento automatico per svolgere il lavoro per loro.

L'apprendimento automatico coinvolge software progettato per pescare grandi set di dati alla ricerca di modelli, costruire modelli, e poi testare le previsioni basate su quei modelli, migliorando man mano che vanno avanti. Hanno usato i dati dello SLAC National Accelerator Laboratory della Stanford University, NOI, per addestrare alcuni di questi modelli a trovare automaticamente variabili e correlazioni chiave che potrebbero essere utilizzate per prevedere le proprietà dei raggi X con elevata precisione.

Il team spera che il loro metodo possa essere installato direttamente negli strumenti FEL a raggi X, consentendo ai ricercatori di tutto il mondo che vi accedono di beneficiare del più ampio pool di dati senza applicare il programma separatamente.