Makine Öğrenimi Tekniği Kristal Yapıların Belirlenmesini Hızlandırır
Görsel: Giriş kırınım paterninin belirli bir sınıfa ait olma olasılığını hesaplayan sinir ağının iç çalışmalarının gösterimi. Vecchio Lab/Science
California San Diego Üniversitesi’ndeki nano mühendisler, alaşımlar, proteinler ve farmasötikler de dahil olmak üzere çeşitli malzeme ve moleküllerin kristal yapılarını belirlemek için daha az emek gerektiren bilgisayarlı bir yöntem geliştirdiler. Yöntemde, elektron kırınım modellerini bağımsız olarak en az %95 doğrulukla analiz etmek için yüz tanıma ve kendi kendini süren otomobillerde kullanılan türe benzer makine öğrenim algoritması kullanılır.
Çalışma, 31 Ocak tarihli Science dergisinde yayınlandı.
UC San Diego nano-mühendislik profesörü Kenneth Vecchio ve makalenin ilk yazarı olan Ph.D. öğrencisi Kevin Kaufmann yeni bir yaklaşım geliştirdi. Yöntemleri, elektron geri saçılım kırınımı (EBSD) modellerini toplamak için taramalı elektron mikroskobu (SEM) kullanmayı içerir. Geçirimli elektron mikroskobu (TEM) gibi diğer elektron kırınım teknikleriyle karşılaştırıldığında, SEM bazlı EBSD büyük numuneler üzerinde gerçekleştirilebilir ve çoklu uzunluk ölçülerinde analiz edilebilir. Bu durum, santimetre ölçeklerine eşlenmiş yerel alt mikron bilgisi sağlar. Örneğin, modern bir EBSD sisteminde, numunenin bir kere taranmasıyla ince ölçekli yapılarının, kristal oryantasyonlarının, gerilme veya gerinim gibi bilgilerin belirlenmesini sağlar.
Ancak ticari EBSD sistemlerinin dezavantajı, yazılımın, analiz edilen malzeme içinde var olan kristal kafeslerin atomik yapısını belirleyememesidir. Bu durum, kullanıcının örnekte olduğu varsayılan beş kristal yapıyı seçmesi gerektiği ve daha sonra yazılımın kırınım modeliyle olası eşleşmeleri bulmaya çalışması gerektiği anlamına gelir. Kırınım modelinin karmaşık yapısı nedeniyle, genellikle yazılımın, kullanıcı tarafından seçilen listede yanlış yapı eşleşmeleri bulmasıyla sonuçlanır. Sonuç olarak, doğru bir sonuç operatörün deneyimine ve örneklerin önceden bilinmesine bağlıdır.
Vecchio’nun ekibinin geliştirdiği yöntem, tüm bunları bağımsız bir şekilde yapar. Çünkü derin sinir ağı, olası tüm kafes yapı tiplerinden kristal kafesi belirlemek için her bir kırınım modelini bağımsız olarak yüksek doğrulukla (% 95’ten fazla) analiz eder.
Araştırmacılar, farmakoloji, yapısal biyoloji ve jeoloji de dahil olmak üzere birçok alanda, kristal yapının tanımlanmasında gereken süreyi azaltmak için benzer otomatik algoritmalar kullanmanın faydalı olabileceğini belirtti.
Kaynak: phys.org
