Nova técnica de IA gera "impressões digitais" únicas de materiais usando raios X

São PauloCientistas desenvolveram um novo método utilizando IA e espectroscopia de correlação de fótons de raios X (XPCS) para identificar materiais de forma única. Essa técnica permite aos pesquisadores observar como os materiais mudam ao longo do tempo quando são submetidos a estresse ou relaxamento.

Pesquisadores do Laboratório Nacional de Argonne utilizaram a técnica de XPCS juntamente com um algoritmo de aprendizado de máquina não supervisionado. A inteligência artificial conseguiu identificar padrões nos dados de raios X que são difíceis de compreender para os seres humanos. Os pontos principais deste estudo são:

• Uso de redes neurais para analisar dados de raios-X
• Criação de "impressões digitais" ou representações latentes de materiais
• Mapeamento dessas impressões para entender a evolução dos materiais
• Aplicação de autoencoders para converter e decodificar dados das impressões digitais

O algoritmo, um tipo de IA que não necessita de supervisão, aprende a identificar padrões ocultos em resultados de raios-X. Isso transforma grandes quantidades de dados complexos em resumos fáceis de entender. Esses resumos contêm informações importantes sobre a amostra.

James (Jay) Horwath, pesquisador de pós-doutorado em Argonne, explicou a necessidade desse método. Ele comentou que os padrões observados durante os experimentos são tão complexos que até mesmo especialistas precisam da ajuda da IA para compreendê-los. Ao simplificar os dados, os cientistas podem entender o comportamento completo de um material.

O projeto AI-NERD utiliza autoencoders para criar padrões únicos a partir de imagens. Inicialmente, um autoencoder transforma a imagem original em uma forma mais simples. Em seguida, um decodificador usa essa forma simplificada para recriar a imagem completa. Ao agrupar padrões semelhantes, os pesquisadores criaram um guia para estudar como materiais se comportam em diferentes condições.

Leia também:

Hoje · 07:41

Desafios da transição da OpenAI para uma empresa lucrativa

A instalação do Advanced Photon Source (APS) gerará feixes de raios X que serão 500 vezes mais brilhantes. Esse aumento no volume de dados exigirá o uso de IA para uma análise eficaz. Os grupos de teoria e computação de Argonne colaboraram em simulações moleculares da dinâmica de polímeros, que serão utilizadas para treinar sistemas de IA como o AI-NERD.

Os autores do estudo são James Horwath, Xiao-Min Lin, Hongrui He, Qingteng Zhang, Eric Dufresne, Miaoqi Chu, Subramanian Sankaranaryanan, Wei Chen, Suresh Narayanan e Mathew Cherukara. Alguns desses pesquisadores também atuam na Universidade de Chicago e na Universidade de Illinois em Chicago.

Desenvolvimento Promissor para a Ciência dos Materiais

Este avanço é de grande relevância. Ele facilitará pesquisas futuras ao proporcionar dados mais detalhados com máquinas de raio-X aprimoradas. A IA pode rapidamente classificar e organizar imagens de raio-X em padrões úteis, promovendo um grande progresso na ciência dos materiais. Esse método permite estudos mais precisos sobre o comportamento dos materiais em diferentes condições, o que pode ser vantajoso em diversas áreas.