La irrupción de la inteligencia artificial está influyendo en todos los campos de ejercicio dela ciencia, desde la biología hasta la ciencia de los materiales.

Fue presentada recientemente una nueva técnica para la cristalografía de rayos X, que permite a los investigadores realizar ajustes sobre sus experimentos en tiempo real.

IA para acelerar procesos durante el trabajo con rayos X

Cuando se trata de algunos tipos de experimentos de rayos X, los nuevos enfoques de IA han permitido a los investigadores obtener un análisis más preciso de sus muestras y hacerlo en un período de tiempo mucho más corto. Un grupo de investigadores del Laboratorio Nacional Argonne del Departamento de Energía de los Estados Unidos (DOE) están aprovechando la IA para realizar la desafiante tarea de analizar datos de experimentos de rayos X de alta energía. Con un nuevo método basado en redes neuronales llamado BraggNN, el equipo de Argonne puede identificar con mayor precisión los picos de Bragg, puntos de datos que indican posiciones y orientaciones de pequeños cristales individuales, en una fracción del tiempo que solían hacerlo.

«Los métodos convencionales funcionan como probarse un traje en un sastre. Primero tienes que probar una forma estimada, y luego hacer el ajuste de la forma después de ella. Con nuestra técnica, utilizando una red neuronal, es como generar el traje perfecto al instante a partir de una fotografía de una persona», comentó Hemant Sharma, del Laboratorio Nacional Argonne

Las redes neuronales, señaladas c0k0 NN en el nombre de BraggNN, son algoritmos que buscan patrones en los datos y, con el tiempo, aprenden a predecir resultados, acelerando el análisis de esos datos.

«BraggNN nos da una eficiencia y velocidad mucho mayores que las técnicas convencionales», agregó Antonino Miceli de Argonne, autor del artículo y líder de grupo en Advanced Photon Source (APS), una repartición de la Oficina de Ciencia del DOE en Argonne.

En los últimos años, una técnica llamada microscopía de difracción de alta energía (HEDM), se ha convertido en una de las formas más populares que los científicos utilizan para caracterizar con precisión materiales complicados con alta resolución. Aunque HEDM ha demostrado ser una gran mejora con respecto a las técnicas convencionales, también puede ser costoso y llevar mucho tiempo. Implica la recopilación de enormes conjuntos de datos, el análisis de millones de picos de difracción de Bragg y la reconstrucción de la muestra utilizando esos picos.

Para abordar los desafíos técnicos de este estudio, los investigadores que trabajan en el APS recurrieron a la IA para acelerar y agilizar el análisis de picos de Bragg. El método convencional implica el uso de un modelo 2D o 3D y el ajuste de los datos de pico a él, pero el nuevo modelo del equipo de investigación puede determinar directamente las posiciones de pico a partir de los datos.

«Los métodos convencionales funcionan como probarse un traje en un sastre», dijo el científico computacional de Argonne Hemant Sharma, autor del estudio. «Primero tienes que probar una forma estimada, y luego hacer el ajuste de la forma después de ella. Con nuestra técnica, utilizando una red neuronal, es como generar el traje perfecto al instante a partir de una fotografía de una persona».

Después de que el modelo fue entrenado en datos que contenían picos de difracción, los investigadores pudieron acelerar drásticamente el análisis y mejorar la precisión. «El verdadero logro es que hicimos determinaciones de pico mucho más rápido y también entregamos precisión de subpíxeles, el estándar de oro para sacar conclusiones útiles», dijo el científico informático de Argonne Zhengchun Liu, el primer autor del artículo.

Los métodos computacionales avanzados utilizados por BraggNN son especialmente propicios para su uso en un chip de unidad de procesamiento gráfico (GPU), lo que ayuda a acelerar aún más su rendimiento.

Un artículo que reporta los principales hallazgos de este estudio fue publicado en el Journal of the International Union of Crystallography.

Si te ha gustado el contenido Invítanos a un café. ¡Gracias por seguir leyéndonos!