Gli scienziati si stanno preparando per l'aumento della luminosità e della risoluzione delle sorgenti luminose di prossima generazione con una tecnica di calcolo che ricostruisce le immagini più velocemente e con maggiore precisione.

I fotografi sanno che catturare un'immagine è spesso una battaglia tra messa a fuoco e risoluzione. Punta la telecamera su un oggetto in primo piano, utilizzando un'apertura maggiore, e lo sfondo diventa sfocato. Usa un'apertura più piccola per ottenere una profondità di campo e la nitidezza del primo piano diminuisce.

Lo stesso vale per l'imaging a raggi X, anche se su scala molto più ridotta. Sorgenti luminose come Advanced Photon Source (APS), una struttura per gli utenti del Dipartimento dell'energia degli Stati Uniti (DOE) situata presso l'Argonne National Laboratory del DOE, sono eccellenti nell'analizzare piccoli campioni di materiale in alta risoluzione utilizzando raggi X fino a un miliardo di volte più luminosi di quelli prodotti nello studio del dentista.

Ma con la prossima generazione di tecnologia a raggi X all'orizzonte, stanno arrivando raggi più luminosi, il che significa che sarà possibile eseguire l'imaging di campioni più spessi. E più spesso è il campione, maggiore è la probabilità che la ricostruzione dell'immagine risultante vada incontro al problema della messa a fuoco rispetto alla risoluzione.

Che significa, secondo Chris Jacobsen, Argonne Distinguished Fellow e professore di fisica alla Northwestern University, che gli scienziati hanno bisogno di pensare al futuro. Jacobsen guida un team di ricercatori che sono tra i primi ad affrontare questa sfida per l'imaging a raggi X prima di progetti come l'aggiornamento APS, che aumenterà la luminosità dei raggi X dell'APS fino a 500 volte. L'aggiornamento dell'APS, che è già in corso, consentirà progressi che potrebbero portare a batterie più durature, parti del motore più durevoli e computer più efficienti.

L'aggiornamento APS consentirà progetti di ricerca impossibili con l'intensità attuale, come tracciare le connessioni neurali all'interno del cervello di un topo per saperne di più sui disturbi neurologici, un progetto su cui sta lavorando il team di Jacobsen. Ma aumenterà anche la necessità di strumenti di ricostruzione più avanzati.

Questo è un problema risolvibile, ma attualmente richiede una grande quantità di noioso lavoro computazionale, secondo Ming Du, un ricercatore post-dottorato ad Argonne. Du è l'autore principale di un articolo pubblicato su Progressi scientifici che descrive i modi in cui una tecnica chiamata differenziazione automatica può aiutare a completare una ricostruzione 3D di immagini a raggi X con maggiore flessibilità e meno sforzo umano rispetto al calcolo tradizionale.

Le simulazioni che dimostrano questa tecnica (che il gruppo di ricerca chiama Adorym, per il recupero di oggetti basato sulla differenziazione automatica con modellazione dinamica) sono stati eseguiti sui supercomputer presso l'Argonne Leadership Computing Facility (ALCF), un'altra struttura per gli utenti dell'Office of Science del DOE. Du ha eseguito la codifica e il test sul cluster Cooley presso l'ALCF.

Differenziazione automatica, Du ha spiegato, è la base per molti strumenti di apprendimento automatico. In termini matematici, calcola i gradienti per minimizzare le funzioni di perdita, e mentre Du ha detto che questi crunch numerici relativamente semplici possono essere eseguiti manualmente, una formula complessa come una ricostruzione 3D di dati a raggi X richiede un numero enorme di questi calcoli.

"I compiti sono semplici, ma ce ne sono tanti, " Du ha detto. "Questo è ciò che i computer sono stati inventati per fare. Compiti semplici ma noiosi."

Il team di ricerca di Jacobsen ha precedentemente svelato un nuovo approccio all'imaging di oggetti oltre la profondità di campo di messa a fuoco in un articolo pubblicato su Optica nel 2018. Il loro modello si chiama Multislice Optimized Object Recovery (MOOR), e il team ha dimostrato la sua utilità per la tticografia a raggi X, che normalmente riproduce sottili fette di materiale ad alta risoluzione. MOOR utilizza densamente, modelli multislice per ogni direzione dei dati a raggi X, Du ha detto, per creare ricostruzioni 3D di campioni più spessi.

Ridimensionare quel metodo per l'imaging 3D di campioni più grandi, Du ha detto, sarebbe un'enorme quantità di lavoro senza differenziazione automatica. Il team sta utilizzando il supercomputer Theta presso l'ALCF per i suoi sforzi in corso per costruire un quadro per ricostruzioni alimentate dalla differenziazione automatica su scale più grandi.

"L'olografia riproduce l'intero campione in un unico scatto per ogni angolo di visione, " ha detto. "Il problema è che una piccola modifica al modello significa una grande quantità di rielaborazione sul calcolo del gradiente. La differenziazione automatica cambia il gioco. Puoi apportare una modifica al modello e lasciare tutto il resto al computer".

Du offre batterie di maggiore durata come buon esempio di un progetto di ricerca che potrebbe trarre vantaggio da questo metodo di calcolo. Imaging della crescita dei dendriti su scala nanometrica su un elettrodo di batteria, Egli ha detto, potrebbe richiedere una soluzione al limite della profondità di messa a fuoco, che la differenziazione automatica può aiutare a fornire.

La differenziazione automatica non è un'idea nuova. Jacobsen ha detto che è stato suggerito anni fa come strumento per ricostruzioni coerenti di immagini, ma il software per realizzarlo non era disponibile in quel momento. L'ascesa dell'apprendimento automatico e delle reti neurali, però, ha reso accessibile questa tecnologia. Il team di ricerca ha utilizzato un pacchetto open source chiamato TensorFlow per eseguire le proprie simulazioni.

"Il computer fa il lavoro pesante, ed è un pacchetto abbastanza generalizzato da poter essere adattato per l'imaging a raggi X, "ha detto Jacobsen.

Finora, secondo Jacobsen, le ricostruzioni 3D sono state realizzate solo su dati simulati. Il team ha utilizzato un oggetto realizzato al computer, un cono di vetro cavo, per dimostrare che la differenziazione automatica potrebbe essere utilizzata per ricostruzioni più rapide. Il passo successivo sarebbe il test con campioni fisici, ma una dimostrazione completa della tecnica potrebbe dover attendere fino a quando la prossima generazione di strutture a raggi X non sarà operativa.

"Il prossimo salto nella tecnologia degli acceleratori sta arrivando, " ha detto Jacobsen. "E 'importante pensare a questo ora."