• Home
  • Química
  • Astronomia
  • Energia
  • Natureza
  • Biologia
  • Física
  • Eletrônicos
  •  science >> Ciência >  >> Física
    Os físicos extraem dados extras de sondas de raios-X super rápidas usando aprendizado de máquina

    Vista da fonte de luz coerente Linac. Crédito:SLAC National Accelerator Laboratory

    As reações químicas poderiam ser sondadas com ainda mais detalhes usando um método inventado por pesquisadores do Império que caracteriza melhor os raios-X ultrarrápidos.

    Os raios X podem ser usados ​​para investigar as estruturas de, e reações entre, moléculas em escalas muito pequenas e em alta velocidade. Para fazer isso, os cientistas usam lasers de elétrons livres (FELs) para criar uma seqüência de pulsos de raios-X.

    Isso permite que os pesquisadores investiguem alguns dos processos fundamentais da química e da biologia - como os mecanismos de fotossíntese e as reações de aminoácidos, quais são os blocos de construção da vida.

    Contudo, FELs são inerentemente instáveis, o que significa que as propriedades dos raios-X resultantes podem variar de um pulso para o outro. Isso pode levar a imprecisões nas medições feitas com esses raios-X.

    Existem métodos para medir as propriedades reais dos raios-X produzidos, mas eles podem interferir no experimento, e muitos não serão capazes de acompanhar as taxas de pulso muito rápidas da próxima geração de FELs de raios-X, como o XFEL europeu em Hamburgo (atualmente em teste) e o Linac Coherent Light Source II (LCLS-II) nos EUA.

    Agora, uma equipe de pesquisa liderada por físicos do Imperial College London usou uma técnica de inteligência artificial conhecida como aprendizado de máquina para prever com precisão as propriedades dos raios-X. Essas previsões são baseadas em certas medições do FEL, que pode ser executado rápido o suficiente para corresponder à velocidade dos raios-X.

    Mil vezes mais dados

    Os resultados do estudo, envolvendo 18 instituições de pesquisa do Reino Unido, Alemanha, Suécia, os EUA e o Japão, são publicados hoje em Nature Communications .

    O autor principal do novo estudo, Alvaro Sanchez-Gonzalez, do Departamento de Física do Imperial, disse:"Para os instrumentos atuais, que geram cerca de cem pulsos por segundo, a natureza lenta da caracterização de raios-X significa que às vezes até metade dos dados fica inutilizável.

    "Este problema só será agravado em instrumentos de próxima geração, como o europeu XFEL ou LCLS-II, projetado para gerar centenas de milhares de pulsos por segundo.

    "Nosso método resolve efetivamente o problema, e deve funcionar com os novos instrumentos, assim como com os mais antigos nos quais o testamos. Isso permitirá que dados úteis sejam coletados até mil vezes mais rápido. "

    A velocidade da técnica significa que as reações químicas podem ser exploradas com mais detalhes, como mudanças nas moléculas podem ser observadas em escalas de tempo mais curtas, até femtossegundos únicos (um quatrilionésimo de segundo).

    O principal pesquisador, Professor Jon Marangos, do Departamento de Física do Imperial, disse:"Esses experimentos rápidos nos permitirão observar as interações que geralmente acontecem rápido demais para serem capturadas.

    "Eles também permitirão que os pesquisadores construam 'filmes moleculares' desse processo ultrarrápido, por exemplo, para ver como os átomos e até mesmo os elétrons mais rápidos se movem durante uma reação química "

    Predizendo propriedades de raios-X

    Os pesquisadores sabiam que havia centenas de variáveis ​​no FEL que poderiam ser potencialmente usadas para prever as propriedades dos raios-X, mas demoraria muito para verificar manualmente cada um deles. Portanto, a equipe - que incluía os alunos de graduação do último ano da MSci, Paul Micaelli e Charles Olivier, da Imperial - criou um programa de aprendizado de máquina para fazer o trabalho por eles.

    O aprendizado de máquina envolve software projetado para rastrear grandes conjuntos de dados em busca de padrões, construir modelos, e, em seguida, testar as previsões com base nesses modelos, melhorando à medida que avançam. Eles usaram dados do SLAC National Accelerator Laboratory da Stanford University, NÓS, treinar alguns desses modelos para localizar automaticamente as principais variáveis ​​e correlações que poderiam ser usadas para prever as propriedades de raios-X com alta precisão.

    A equipe espera que seu método possa ser instalado diretamente em instrumentos FEL de raios-X, permitindo que pesquisadores de todo o mundo que os acessam se beneficiem de um grande conjunto de dados sem aplicar o programa separadamente.

    © Ciência https://pt.scienceaq.com