IA crea huellas dactilares para materiales

Un estudio muestra cómo los materiales cambian cuando se estresan y se relajan.

Al igual que las personas, los materiales evolucionan con el tiempo. También se comportan de manera diferente cuando se estresan y se relajan. Los científicos que buscan medir la dinámica de cómo cambian los materiales han desarrollado una nueva técnica que aprovecha la espectroscopia de correlación de fotones de rayos X (XPCS), inteligencia artificial (IA) y el aprendizaje automático.

Esta técnica crea ​“huellas dactilares” de diferentes materiales que pueden ser leídas y analizadas por una red neuronal para producir nueva información que los científicos no podían acceder previamente. Una red neuronal es un modelo informático que toma decisiones de manera similar al cerebro humano.

En un nuevo estudio realizado por investigadores del Advanced Photon Source (APS) y el Center for Nanoscale Materials (CNM) del Laboratorio Nacional Argonne del Departamento de Energía de los Estados Unidos (DOE), los científicos han emparejado XPCS con un algoritmo de aprendizaje automático no supervisado, una forma de red neuronal que no requiere entrenamiento experto. El algoritmo se enseña a sí mismo a reconocer patrones ocultos dentro de los arreglos de rayos X dispersados por un coloide, un grupo de partículas suspendidas en solución. Los APS y CNM son instalaciones para usuarios de la Oficina de Ciencias del DOE.

“El objetivo de la IA es simplemente tratar los patrones de dispersión como imágenes o fotos regulares y digerirlas para averiguar cuáles son los patrones repetitivos. La IA es un experto en reconocimiento de patrones”. — James (Jay) Horwath, Laboratorio Nacional Argonne

“La forma en que entendemos cómo los materiales se mueven y cambian con el tiempo es recolectando datos de dispersión de rayos X”, dijo el investigador postdoctoral de Argonne, James (Jay) Horwath, el primer autor del estudio.

Estos patrones son demasiado complicados para que los científicos los detecten sin la ayuda de la IA. ​“Mientras estamos brillando el haz de rayos X, los patrones son tan diversos y tan complicados que se vuelve difícil incluso para los expertos entender qué significa cualquiera de ellos”, dijo Horwath.

Para que los investigadores comprendan mejor lo que están estudiando, deben condensar todos los datos en huellas dactilares que contengan solo la información más esencial sobre la muestra. ​“Puede pensarlo como tener el genoma del material, tiene toda la información necesaria para reconstruir toda la imagen”, dijo Horwath.

El proyecto se llama Inteligencia Artificial para la Dinámica de Relajación Fuera del Equilibrio, o AI-NERD. Las huellas dactilares se crean utilizando una técnica llamada autocodificador. Un autocodificador es un tipo de red neuronal que transforma los datos de imagen originales en la huella digital, llamada representación latente por los científicos, y que también incluye un algoritmo decodificador que se utiliza para ir de la representación latente de vuelta a la imagen completa.

El objetivo de los investigadores era intentar crear un mapa de las huellas dactilares del material, agrupando huellas dactilares con características similares en vecindarios. Al observar de manera holística las características de los diversos vecindarios de huellas dactilares en el mapa, los investigadores pudieron comprender mejor cómo estaban estructurados los materiales y cómo evolucionaron con el tiempo a medida que se estresaban y se relajaban.

La IA, en pocas palabras, tiene buenas capacidades generales de reconocimiento de patrones, lo que la hace capaz de categorizar de manera eficiente las diferentes imágenes de rayos X y ordenarlas en el mapa. ​“El objetivo de la IA es simplemente tratar los patrones de dispersión como imágenes o fotos regulares y digerirlas para averiguar cuáles son los patrones repetitivos”, dijo Horwath. ​“La IA es un experto en reconocimiento de patrones”.

El uso de la IA para comprender los datos de dispersión será especialmente importante a medida que el APS mejorado entre en funcionamiento. La instalación mejorada generará rayos X 500 veces más brillantes que el APS original. ​“Los datos que obtenemos del APS mejorado necesitarán el poder de la IA para clasificarlos”, dijo Horwath.

El grupo de teoría de CNM colaboró con el grupo computacional de la división de ciencia de rayos X de Argonne para realizar simulaciones moleculares de la dinámica polimérica demostrada por XPCS y, en el futuro, generar datos sintéticamente para entrenar flujos de trabajo de IA como el AI-NERD.

Un artículo basado en el estudio apareció en Nature Communications. El estudio fue financiado a través de una subvención de investigación y desarrollo dirigida por el laboratorio de Argonne.

Los autores del estudio incluyen a James (Jay) Horwath, Xiao-Min Lin, Hongrui He, Qingteng Zhang, Eric Dufresne, Miaoqi Chu, Subramanian Sankaranaryanan, Wei Chen, Suresh Narayanan y Mathew Cherukara de Argonne. Chen y He tienen nombramientos conjuntos en la Universidad de Chicago, y Sankaranaryanan tiene un nombramiento conjunto en la Universidad de Illinois Chicago.

Acerca del Centro de Materiales a Nanoescala de Argonne
El Centro de Materiales a Nanoescala es uno de los cinco centros de investigación de ciencia a nanoescala del DOE, instalaciones nacionales principales para usuarios para investigación interdisciplinaria a nanoescala respaldadas por la Oficina de Ciencias del DOE. Juntos, los NSRCs comprenden un conjunto de instalaciones complementarias que brindan a los investigadores capacidades de vanguardia para fabricar, procesar, caracterizar y modelar materiales a nanoescala, y constituyen la mayor inversión de infraestructura de la Iniciativa Nacional de Nanotecnología. Los NSRCs se encuentran en los Laboratorios Nacionales Argonne, Brookhaven, Lawrence Berkeley, Oak Ridge, Sandia y Los Alamos del DOE. Para obtener más información sobre los DOE NSRCs, visite https://​sci​ence​.osti​.gov/​U​s​e​r​-​F​a​c​i​l​i​t​i​e​s​/​U​s​e​r​-​F​a​c​i​l​i​t​i​e​s​-​a​t​-​a​-​G​lance.

Acerca del Advanced Photon Source

El Advanced Photon Source (APS) de la Oficina de Ciencias del Departamento de Energía de los Estados Unidos en el Laboratorio Nacional Argonne es una de las instalaciones de fuentes de luz de rayos X más productivas del mundo. El APS proporciona haces de rayos X de alta luminosidad a una comunidad diversa de investigadores en ciencias de los materiales, química, física de la materia condensada, ciencias de la vida y del medio ambiente, e investigación aplicada. Estos rayos X son ideales para explorar materiales y estructuras biológicas; distribución elemental; estados químicos, magnéticos y electrónicos; y una amplia gama de sistemas de ingeniería tecnológicamente importantes, desde baterías hasta aerosoles de inyectores de combustible, que son la base del bienestar económico, tecnológico y físico de nuestra nación. Cada año, más de 5.000 investigadores utilizan el APS para producir más de 2.000 publicaciones que detallan descubrimientos impactantes y resolver más estructuras de proteínas biológicas vitales que los usuarios de cualquier otra instalación de investigación de fuentes de luz de rayos X. Los científicos e ingenieros del APS innovan en tecnología que está en el corazón del avance de las operaciones de aceleradores y fuentes de luz. Esto incluye los dispositivos de inserción que producen rayos X de brillo extremo que los investigadores aprecian, las lentes que enfocan los rayos X hasta unos pocos nanómetros, la instrumentación que maximiza la forma en que los rayos X interactúan con las muestras que se estudian y el software que recopila y administra la enorme cantidad de datos que resultan de la investigación de descubrimiento en el APS.

Esta investigación utilizó recursos del Advanced Photon Source, una instalación para usuarios de la Oficina de Ciencias del DOE de los Estados Unidos operada para la Oficina de Ciencias del DOE por el Laboratorio Nacional Argonne bajo el contrato No. DE-AC02-06CH11357.

Laboratorio Nacional Argonne busca soluciones a problemas nacionales apremiantes en ciencia y tecnología realizando investigación básica y aplicada de vanguardia en prácticamente todas las disciplinas científicas. Argonne está administrado por UChicago Argonne, LLC para la Oficina de Ciencias del Departamento de Energía de los Estados Unidos.

La Oficina de Ciencias del Departamento de Energía de los Estados Unidos es el mayor patrocinador individual de investigación básica en las ciencias físicas en los Estados Unidos y está trabajando para abordar algunos de los desafíos más apremiantes de nuestro tiempo. Para obtener más información, visite https://​ener​gy​.gov/​s​c​ience.