Esta ilustração mostra um feixe de raios-X coerente focado em um espécime em grande escala enquanto registra os padrões de difração de campo distante enquanto o espécime é varrido e girado. No fundo está um sistema de computação usando abordagens de diferenciação automática para reconstruir uma imagem 3D. Crédito:Laboratório Nacional Ming Du / Argonne
Os cientistas estão se preparando para o aumento do brilho e da resolução das fontes de luz de próxima geração com uma técnica de computação que reconstrói as imagens com mais rapidez e precisão.
Os fotógrafos sabem que capturar uma imagem costuma ser uma batalha entre o foco e a resolução. Treine a câmera em um objeto em primeiro plano, usando uma abertura maior, e o fundo fica desfocado. Use uma abertura menor para obter uma profundidade de campo e a nitidez do primeiro plano diminui.
O mesmo vale para imagens de raios-X, embora em uma escala muito menor. Fontes de luz como a Advanced Photon Source (APS), uma instalação do usuário do Departamento de Energia dos EUA (DOE) localizada no Laboratório Nacional de Argonne do DOE, são excelentes para analisar pequenas amostras de material em alta resolução usando raios X até um bilhão de vezes mais brilhantes do que aqueles produzidos no consultório do dentista.
Mas com a próxima geração de tecnologia de raios-X no horizonte, raios mais brilhantes estão chegando, o que significa que será possível obter imagens de amostras mais espessas. E quanto mais espessa a amostra, é mais provável que a reconstrução da imagem resultante entre no problema de foco vs. resolução.
Que significa, de acordo com Chris Jacobsen, Argonne Distinguished Fellow e professor de física na Northwestern University, que os cientistas precisam pensar no futuro. Jacobsen lidera uma equipe de pesquisadores que estão entre os primeiros a enfrentar este desafio para imagens de raios-X antes de projetos como o APS Upgrade, que aumentará o brilho dos feixes de raios-X do APS em até 500 vezes. A atualização APS, que já está em andamento, permitirá avanços que podem levar a baterias mais duradouras, peças de motor mais duráveis e computadores mais eficientes.
A atualização APS permitirá projetos de pesquisa que são impossíveis na intensidade atual, como rastrear as conexões neurais dentro do cérebro de um rato para aprender mais sobre distúrbios neurológicos, um projeto no qual a equipe de Jacobsen está trabalhando. Mas também aumentará a necessidade de ferramentas de reconstrução mais avançadas.
Este é um problema solucionável, mas atualmente exige uma grande quantidade de trabalho computacional tedioso, de acordo com Ming Du, um pesquisador de pós-doutorado em Argonne. Du é o autor principal de um artigo publicado em Avanços da Ciência que descreve as maneiras como uma técnica chamada diferenciação automática pode ajudar a completar uma reconstrução 3-D de imagens de raios-X com mais flexibilidade e menos esforço humano do que a computação tradicional.
As simulações demonstrando esta técnica (que a equipe de pesquisa chama de Adorym, para recuperação automática de objetos baseada em diferenciação com modelagem dinâmica) foram executados nos supercomputadores no Argonne Leadership Computing Facility (ALCF), outro recurso do DOE Office of Science. Du realizou a codificação e o teste no cluster Cooley no ALCF.
Diferenciação automática, Du explicou, é a base para muitas ferramentas de aprendizado de máquina. Em termos matemáticos, calcula gradientes para minimizar funções de perda, e enquanto Du disse que essas flexões de número relativamente simples podem ser realizadas manualmente, uma fórmula complexa como uma reconstrução 3-D de dados de raios-X requer um grande número desses cálculos.
"As tarefas são simples, mas há muitos deles, "Du disse." É para isso que os computadores foram inventados. Tarefas simples, mas tediosas. "
A equipe de pesquisa de Jacobsen revelou anteriormente uma nova abordagem para objetos de imagem além da profundidade do campo de foco em um artigo publicado na Optica em 2018. Seu modelo é denominado Multislice Optimized Object Recovery (MOOR), e a equipe demonstrou sua utilidade para a picografia de raios-X, que normalmente imagens fatias finas de materiais em altas resoluções. MOOR usa densamente compactado, modelos multislice para cada direção dos dados de raios-X, Du disse, para criar reconstruções 3-D de espécimes mais grossos.
Escalando esse método para imagens 3-D de amostras maiores, Du disse, seria uma enorme quantidade de trabalho sem diferenciação automática. A equipe está usando o supercomputador Theta no ALCF para seus esforços contínuos de construir uma estrutura para reconstruções com base em diferenciação automática em escalas maiores.
"A holografia captura a amostra inteira em uma única foto para cada ângulo de visão, "ele disse." O problema é que um pequeno ajuste no modelo significa uma grande quantidade de retrabalho no cálculo do gradiente. A diferenciação automática muda o jogo. Você pode fazer uma alteração no modelo e deixar todo o resto para o computador. "
Du oferece baterias de longa duração como um bom exemplo de projeto de pesquisa que poderia se beneficiar deste método computacional. Imaginando o crescimento de dendrito em nanoescala em um eletrodo de bateria, ele disse, pode exigir uma solução para o limite de profundidade de foco, que a diferenciação automática pode ajudar a fornecer.
A diferenciação automática não é uma ideia nova. Jacobsen disse que foi sugerido anos atrás como uma ferramenta para reconstruções coerentes de imagens, mas o software para fazer isso não estava disponível naquela época. A ascensão do aprendizado de máquina e das redes neurais, Contudo, tornou esta tecnologia acessível. A equipe de pesquisa usou um pacote de código aberto chamado TensorFlow para realizar suas simulações.
"O computador faz o trabalho pesado, e é um pacote generalizado o suficiente que pode ser adaptado para imagens de raios-X, "Jacobsen disse.
Até aqui, de acordo com Jacobsen, as reconstruções 3-D só foram realizadas em dados simulados. A equipe usou um objeto feito por computador - um cone de vidro oco - para mostrar que a diferenciação automática poderia ser usada para reconstruções mais rápidas. A próxima etapa seria testar com amostras físicas, mas uma demonstração completa da técnica pode ter que esperar até que a próxima geração de instalações de raios-X esteja instalada e funcionando.
"O próximo salto na tecnologia de aceleradores está chegando, "Jacobsen disse." É importante pensar sobre isso agora.