تصویربرداری 3D microstructures در زمان واقعی

پژوهش های علمی مدرن در مواد به شدت متکی بر بررسی رفتار آنها در مقیاس اتمی و مولکولی. به همین دلیل دانشمندان به طور مداوم در شکار جدید و بهبود روش ها برای جمع آوری داده ها و تجزیه و تحلیل مواد در مقیاس.

محققان در مرکز نانو مواد (CNM), U. s. Department of Energy (DOE) از علوم کاربر مرکز واقع در سازمان حفاظت محیط زیست را در آزمایشگاه ملی آرگون ای را اختراع ماشین-یادگیری مبتنی بر الگوریتم به صورت کمی مشخص در سه بعد مواد با ویژگی های کوچک به عنوان نانومتر. محققان می توانند این درخواست محوری کشف به تجزیه و تحلیل بسیاری از مصالح ساختمانی از علاقه به صنعت.

“چه باعث می شود ما الگوریتم منحصر به فرد است که اگر شما شروع با یک ماده که برای آن شما می دانید که اساسا هیچ چیزی در مورد ساختار آن را در عرض چند ثانیه به کاربر دقیق ساختار در هر سه بعد” گفت: سوبرامانیان Sankaranarayanan گروه رهبر CNM تئوری و مدلسازی گروه و استادیار در گروه مکانیک و مهندسی صنایع در دانشگاه ایلینوی در شیکاگو است.

“برای مثال: با تجزيه و تحليل داده ها توسط ما 3D ابزار” گفت: Henry Chan, CNM پژوهشگر فوق دکترا و نویسنده سرب از مطالعه “کاربران می توانند تشخیص گسل ها و ترک ها و به طور بالقوه پیش بینی طول عمر در شرايط مختلف تنش ها و گونه های برای تمام انواع مصالح ساختمانی.”

بیشتر ساختاری مواد چندبلوری معنی یک نمونه مورد استفاده برای اهداف تجزیه و تحلیل می تواند شامل میلیون ها نفر از غلات. اندازه و توزیع آن غلات و حفره درون یک نمونه مهم microstructural ویژگی های است که تحت تاثیر قرار, مهم, فیزیکی, مکانیکی, نوری شیمیایی و خواص حرارتی. چنین دانش مهم است برای مثال به کشف مواد جدید با خواص مورد نظر مانند قوی تر و سخت تر اجزای ماشین که آخرین طولانی تر است.

در گذشته دانشمندان تجسم 3D microstructural امکانات درون یک ماده با در نظر گرفتن عکس های فوری در microscale بسیاری از 2D برش و پردازش و برش منحصر به فرد و سپس چسباندن آنها با هم به صورت یک تصویر 3D. چنین مورد به عنوان مثال با توموگرافی کامپیوتری اسکن روال انجام شده در بيمارستان. این روند اما ناکارآمد است و منجر به از دست دادن اطلاعات است. محققان نتیجه جستجو شده برای روش های بهتر برای 3D تجزیه و تحلیل.

“در ابتدا گفت:” Mathew Cherukara دستیار دانشمند در CNM “ما فکر طراحی یک رهگیری مبتنی بر الگوریتم برای جستجو در تمام مرزهای میان متعدد دانه در نمونه ها تا زمانی که نقشه برداری کل ساختار در هر سه بعد اما به عنوان شما می توانید تصور کنید با میلیون ها نفر از غلات است که فوق العاده وقت گیر و ناکارآمد است.”

“زیبایی ما یادگیری ماشین الگوریتم این است که با استفاده از آن بدون نظارت یک الگوریتم برای رسیدگی مرز مشکل و تولید بسیار دقیق نتایج با راندمان بالا” گفت چان. “همراه با پایین-روش نمونه گیری آن را تنها طول می کشد ثانیه برای پردازش زیادی 3D نمونه و به دست آوردن دقیق microstructural اطلاعات است که قوی و انعطاف پذیر به سر و صدا.”

این تیم با موفقیت آزمایش الگوریتم در مقایسه با داده های به دست آمده از تجزیه و تحلیل از فلزات مختلف متفاوت (آلومینیوم و آهن و سیلیکون و تیتانیوم) و مواد نرم (پلیمرها و کازئينی). این اطلاعات از قبل منتشر شده آزمایش و همچنین شبیه سازی های رایانه اجرا در دو سازمان حفاظت محیط زیست از علوم کاربر امکانات آرگون رهبری محاسبات تاسیسات و انرژی ملی تحقیقات علمی مرکز محاسبات. همچنین مورد استفاده در این پژوهش آزمایشگاه محاسبات مرکز منابع در آرگون و کربن خوشه در CNM.

“برای محققان با استفاده از ابزار ما مزیت اصلی این است که نه فقط چشمگیر 3D تصویر تولید شده اما مهمتر از این جزئیات شناسایی اطلاعات” گفت: Sankaranarayanan. “آنها حتی می تواند به لحاظ کمی و بصری مسیر تکامل یک ساختار آن را به عنوان تغییرات در زمان واقعی است.”

ماشین-الگوریتم یادگیری است نه محدود برای جامدات. این تیم تمدید آن شامل شناسایی توزیع خوشه های مولکولی در مایعات با مهم انرژی شیمیایی و بیولوژیکی برنامه های کاربردی.

این ماشین-ابزار یادگیری باید ثابت کند به خصوص موثر برای آینده زمان واقعی تجزیه و تحلیل داده های به دست آمده از مواد خصوصیات و امکانات از جمله پیشرفته فوتون منبع دیگر سازمان حفاظت محیط زیست از علوم کاربر تسهیلات در آرگون و دیگر synchrotrons در سراسر جهان است.

tinyurlis.gdv.gdv.htclck.ruulvis.netshrtco.de

نرم افزار گرامرلی

ایندکسر