Ученые представили систему SimuScan, которая берет на себя ручное управление атомно-силовым микроскопом. Рассказываем, как ИИ ищет интересные участки образца, учится на синтетических снимках и проходит проверку на реальных данных.Автор Hi-Tech Mail
Ученые из Ок-Риджской национальной лаборатории (ORNL) разработали систему искусственного интеллекта под названием SimuScan, которая помогает ученым управлять атомно-силовыми микроскопами. Новая технология самостоятельно находит наиболее интересные участки образца для детального изучения, автоматизируя процесс поиска и анализа, пишет Phys.org.
Атомно-силовая микроскопия позволяет видеть объекты размером с молекулу, но работа с прибором требует высокой квалификации. Оператору необходимо вручную выбирать точки сканирования и настраивать параметры, что замедляет исследования. Система SimuScan берет эту рутину на себя, делая микроскопию быстрее и доступнее для широкого круга ученых.
«Работа с атомно-силовым микроскопом чем-то похожа на управление современным реактивным самолетом. Оборудование обладает невероятными возможностями, но для его полного использования часто требуется опытный пилот», — рассказал Лиам Коллинз, старший научный сотрудник Центра нанофазных материалов ORNL.
Главная сложность обучения таких систем заключается в нехватке размеченных данных. В отличие от обычных фотографий, изображений атомно-силовой микроскопии гораздо меньше, а их интерпретация сильно зависит от артефактов съемки. Чтобы решить проблему нехватки обучающего материала, система SimuScan генерирует синтетические изображения АСМ вместе с готовыми метками. При этом алгоритм намеренно добавляет реалистичные шумы, дрейф сканера и загрязнения, чтобы искусственный интеллект учился работать в условиях реальной лаборатории.
«Настоящая проверка реализма заключается в том, сможет ли искусственный интеллект, обученный в авиасимуляторе, успешно посадить настоящий самолет в шторм», — пояснил Коллинз.
Система работает по принципу замкнутого цикла. Сначала она делает быстрый снимок с низким разрешением большой площади поверхности. Затем ИИ анализирует картинку, выделяет потенциально важные объекты и направляет микроскоп для детального сканирования этих областей. Процесс может повторяться многократно без участия человека. Ученый лишь задает цели поиска, освобождая время для научной интерпретации результатов вместо ручного управления прибором.
В ходе тестов на бактериальных клетках, ДНК-наноструктурах и наночастицах модели, обученные преимущественно на синтетических данных, успешно распознавали объекты на реальных снимках. Исследователи отмечают, что главные трудности возникают не из-за самих объектов, а из-за фонового шума и текстуры реальных материалов, которые могут вводить модель в заблуждение.
Разработчики планируют интегрировать SimuScan напрямую в программное обеспечение микроскопов. В долгосрочной перспективе они видят микроскопы не просто пассивными инструментами визуализации, а активными партнерами в научных открытиях, способными самостоятельно искать нужные данные.
Ранее ученые научились обходить «правило пяти» и получать сложные трехмерные соединения из простых азотсодержащих молекул. Подробности — в другом материале Hi-Tech Mail.