《应用物理快报》：使用AI加强X光成像技术，助推多学科创新

最近发表在《应用物理快报》上的一篇论文显示，一组来自美国能源部阿尔贡国家实验室的计算机科学家使用人工智能加快从相干X射线散射数据重建图像的过程。这可能有助于医学、材料和能源方面的创新。

传统的x光成像技术(如医用x光图像)在提供细节方面受到限制。这导致了相干x光成像方法的发展，该方法能够以几纳米或更低的分辨率提供来自材料内部深处的图像。这些技术通过衍射或散射来自样品的光束并直接到达探测器，无需透镜就能产生x光图像。

使用计算机从相干散射的X射线数据中组装图像的过程被称为ptychography，该团队使用神经网络来学习如何将这些数据转换成相干形式。因此他们的创新命名为PtychoNN。

PtychoNN还解决了从事x光散射实验的计算机科学家面临的最大问题之一:相位问题。

利用人工智能技术，研究人员团队已经证明，计算机可以学习从x光数据中预测和重建图像，并且比传统方法快300倍。不仅如此，PtychoNN还能双向加速这个过程。

该小组没有使用模拟图像来训练神经网络，而是使用了在CNM操作的APS 26-ID束线处拍摄的真实x光数据。

研究人员指出，用较少的信息进行重建自然会导致图像质量较差，但仍然会得到一幅图像，而传统的方法则无法产生图像。就算因时间限制无法捕获完整的数据集，或者损坏的样本无法获得完整的数据集，PtychoNN也可以生成可用的图像。

研究人员表示“下一步是证明它可以在更多的数据集上工作，并将其应用于日常使用。”

编译/前瞻经济学人APP资讯组

论文链接：

https://aip.scitation.org/doi/10.1063/5.0013065