Un problema di vecchia data nell'ottica sostiene che una migliore risoluzione nell'imaging è compensata da una perdita di profondità di messa a fuoco. Ora, gli scienziati stanno unendo il calcolo con l'imaging a raggi X mentre sviluppano una nuova ed entusiasmante tecnica per aggirare questa limitazione.

Il prossimo progetto Advanced Photon Source Upgrade (APS-U) ad Argonne porrà questo problema sotto uno dei riflettori più brillanti che si possano immaginare. L'aggiornamento renderà l'APS, una struttura per gli utenti dell'Ufficio delle scienze del Dipartimento dell'energia, 500 volte più luminoso di oggi, potenziando ulteriormente le capacità dei suoi raggi X di studiare le disposizioni di atomi e molecole in un'ampia gamma di materiali biologici e tecnologici.

"Un'intera varietà di esperimenti di imaging a raggi X alla fine avrà bisogno di qualcosa di simile poiché tutti spingono la risoluzione a scale di lunghezza più fini in futuro, " ha detto Chris Jacobsen, un Argonne Distinguished Fellow e professore di fisica alla Northwestern University. Con l'aggiornamento in atto, i raggi X dell'APS potrebbero consentire agli scienziati di studiare sistemi come l'intera rete di connessioni sinaptiche del cervello, o l'intero volume di un circuito integrato fin nei minimi dettagli.

"Un'intera varietà di esperimenti di imaging a raggi X alla fine avrà bisogno di qualcosa di simile poiché tutti spingono la risoluzione a scale di lunghezza più fini in futuro."-Chris Jacobsen, Argonne Distinguished Fellow/professore di fisica alla Northwestern University.

In un nuovo studio, un team di ricercatori di Argonne, La Northwestern e la Cornell University hanno sviluppato un approccio computazionale che simula come l'APS-U potrebbe funzionare al meglio, in particolare nella modalità di imaging a raggi X, noto come tticografia. Hanno presentato il loro approccio, chiamato Multislice Optimized Object Recovery (MOOR), nel numero del 20 settembre di ottica.

La tticografia a raggi X è una potente tecnica di scansione che riproduce sottili fette di materiale con una risoluzione migliore di 30 nanometri (un capello umano misura circa 75, 000 nanometri di diametro). Gli approcci algoritmici e computazionali tradizionali utilizzati per ricostruire le immagini da campioni sondati con questa tecnica sono stati limitati a sezioni bidimensionali.

"Il potenziamento della tticografia a raggi X per l'imaging cerebrale 3D sarebbe enorme, " ha detto Genia Kozorovitskiy, un assistente professore di neurobiologia alla Northwestern. "I nostri circuiti neurali sono collegati tra loro da trilioni di minuscole giunture chiamate sinapsi, che vengono utilizzati per le comunicazioni da cellula a cellula attraverso mezzi elettrochimici. I cambiamenti nel modo in cui i circuiti neurali e le sinapsi sono collegati insieme sono la chiave per comprendere la causa di molti disturbi neurologici e di salute mentale umani".

I National Institutes of Health stanno finanziando Jacobsen e Kozorovitskiy per ottimizzare sia la risoluzione che la preparazione del campione di tessuto neurale per l'imaging a raggi X. L'aumento della penetrazione in profondità della tticografia a raggi X attraverso l'APS-U consentirebbe ai ricercatori di creare un nuovo, Più veloce, modo non distruttivo per mappare il tessuto neurale connettivo di interi cervelli di vertebrati.

I neuroscienziati oggi usano la microscopia elettronica per mappare la connettività neurale nei topi. "Sezionare l'intero cervello di topo per la microscopia elettronica è un compito arduo, uno che nessuno ha ancora tentato, " ha osservato Kozorovitskiy. "Con la tomografia a raggi X, l'intero cervello potrebbe in teoria essere ripreso senza sezionamento fisico, semplificazione su larga scala, costruzione di immagini ad alta risoluzione."

Per testare l'efficacia dell'algoritmo MOOR a questo scopo, gli scienziati hanno ideato un campione di prova le cui proprietà avrebbero suscitato il limite di profondità di messa a fuoco che hanno cercato di superare. Hanno progettato l'oggetto, un cono cavo di vetro affusolato che misura 200 nanometri lungo il suo asse e incastonato con nanosfere di titanio, per assomigliare ai sottili tubi capillari ampiamente utilizzati negli esperimenti di laboratorio per lo studio microscopico di cellule congelate in sospensione liquida.

Questo semplice, campione facilmente fabbricabile ha assicurato che le prime misurazioni sperimentali che gli scienziati prenderanno possano corrispondere al loro modello. "Il nostro obiettivo a lungo termine non è studiare i capillari di vetro con sfere di biossido di titanio su di essi, ma per spingere davvero la risoluzione per l'imaging di un intero cervello di topo, "ha detto Jacobsen.

I ricercatori attualmente utilizzano la Bionanoprobe nel settore 9 dell'APS per l'imaging 3D di piccoli campioni biologici, come un congelato, cellula idratata. Sono in corso sforzi per sviluppare la stessa capacità su campioni molto più grandi, compreso l'intero cervello di topo, presso altri strumenti dell'APS.

La dimostrazione MOOR ha comportato la risoluzione di un'ottimizzazione che coinvolge quasi 17 milioni di variabili complesse, con l'algoritmo MOOR in scala a 2, 880 core del cluster di supercalcolo Bebop presso il Laboratory Computing Resource Center di Argonne. Il lavoro beneficerà ulteriormente di un nuovo premio per l'informatica nell'ambito del programma di scienza dei dati presso l'Argonne Leadership Computing Facility, un'altra struttura per gli utenti dell'Office of Science del DOE.

La parte relativamente facile del problema è capire cosa succede quando si passa dal modello alla misurazione.

"Possiamo risolvere questo problema inserendo la fisica nel modello, " disse Youssef Nashed, un informatico nella divisione Matematica e Informatica di Argonne. "La fisica ci dice come passare dal modello alla misurazione. La matematica ci dice come passare dalla misurazione al modello. È un problema inverso".

Per risolvere il problema inverso, l'algoritmo di ottimizzazione Argonne affina in modo iterativo la sua rappresentazione del modello sconosciuto alla ricerca di un accordo tra il modello e gli enormi volumi di dati di imaging.

"Per farlo in modo efficiente con la risoluzione necessaria è necessario un forte mix di matematica applicata, calcolo parallelo e fisica, " Ha detto Nashi.

Questa mescolanza di discipline riguarda anche le applicazioni della tecnica. "È entusiasmante che algoritmi come MOOR possano fungere da lente numerica per l'imaging dei circuiti sempre più a livello di nanoscala che sono i cavalli di battaglia del moderno hardware di elaborazione, " ha detto Stefan Wild, un coautore dell'articolo Optica e un matematico computazionale ad Argonne.