نظام تصوير بالأشعة السينية يختار تلقائيا أين يركز القياس التالي
أظهر مختبر بروكهافن نظاما يحلل صور الأشعة السينية فور وصولها، ويختار مناطق لإعادة فحصها بدقة أعلى، ويعيد بناء 200 صورة حيودية في الثانية. قد يحسن ذلك استغلال وقت المنشآت العلمية، لكن الأداء المعلن ما زال مستندا إلى اختبارات داخلية لا إلى معيار مستقل.
اختبر فريق من مختبرات وطنية أميركية مسار تصوير بالأشعة السينية يحلل القياسات فور وصولها، ويقرر أين يجب أن يركز الجهاز، ثم يعيد بناء الصور بسرعة تسمح للنتيجة بتوجيه التجربة نفسها. تقرب اختبارات بروكهافن المنشآت العلمية من حلقة مغلقة يتبادل فيها القياس والتحليل توجيه الخطوة التالية.
الخلاصة في 30 ثانية
- ماذا حدث؟ حلل نظام SYNAPS-I صور الأشعة السينية مباشرة في منشأة NSLS-II، وحدد مناطق لإعادة فحصها بدقة أعلى، ثم عالج بيانات رقاقة عبر مسار تصوير متكامل.
- لماذا يهم؟ وقت استخدام حزم الأشعة محدود، بينما تنتج الأجهزة الحديثة بيانات أكثر مما يستطيع الباحثون مراجعته أثناء التجربة.
- ما الذي لم يثبت؟ جاءت النتائج من عروض داخل المنشأة، ولم ينشر الفريق معيارا مستقلا يثبت ثبات الأداء عبر عينات وأجهزة ومختبرات مختلفة.
حين تعيد البيانات توجيه التجربة
تتبع دراسات خطوط الأشعة عادة خطة قياس موضوعة قبل ظهور البيانات النهائية. وقد يكتشف الباحثون بعد انتهاء الجلسة أن منطقة مهمة كانت تحتاج إلى مسح أدق، لكن وقت استخدام المنشأة يكون قد انتهى.
اختبر تعاون SYNAPS-I في مصدر ضوء السنكروترون الوطني الثاني، المعروف باسم NSLS-II، تسلسلا مختلفا. حللت البرمجيات الصور أثناء جمعها، وحددت مناطق مهمة علميا داخل عينة معقدة، ثم أعادت الجهاز إلى تلك المواقع لالتقاط قياسات أدق. ووفقا لبروكهافن، استمر النظام في العمل لساعات من دون حاجة إلى اختيار بشري لكل هدف.
الرقم الأهم: 200 صورة في الثانية. هذا هو معدل إعادة البناء المعلن لمسار التصوير الحيودي الفوري بعد دمجه مع منصة NVIDIA Holoscan.
إعادة بناء الرقاقة من أنماط الحيود
اعتمد العرض الثاني على التصوير الحيودي المتداخل، وهو أسلوب يسجل أنماط حيود متداخلة بدلا من التقاط صورة عادية. تجمع الخوارزميات هذه الأنماط لإنتاج صورة عالية الدقة، لكن إعادة البناء التكرارية قد تصبح عنق زجاجة أثناء التجربة.
استبدل نموذج أساسي درب في مختبر أرغون جزءا من العملية التكرارية. وبعد دمجه مع Holoscan، أعاد المسار بناء الصور بمعدل معلن يبلغ 200 إطار في الثانية. واستخدم نموذج آخر طور في NSLS-II ما يقارب عُشر البيانات المعتادة لإعادة بناء صورة ثلاثية الأبعاد لرقاقة إلكترونية ذات هندسة رقيقة.
بعد إعادة البناء، خصص الفريق نموذج Segment Anything Model 3 من ميتا لتمييز المواد والبنى والمناطق المهمة داخل حجم الرقاقة. بذلك يجمع المسار بين جمع البيانات وإعادة بنائها وتفسيرها، بدلا من تأجيل التحليل إلى ما بعد انتهاء كل القياسات.
لماذا يفيد التصوير المتكيف؟
تخدم منشآت السنكروترون عددا كبيرا من فرق البحث، ويحصل كل فريق على وقت محدود. يستطيع النظام مسح مساحة واسعة بسرعة ثم تخصيص القياسات التفصيلية للمناطق الغنية بالمعلومات، ما قد يقلل القياسات غير الضرورية وجرعة الإشعاع التي تتعرض لها العينات الحساسة. وتشمل التطبيقات المحتملة كشف عيوب الرقائق ومتابعة تدهور أقطاب البطاريات ودراسة المواد النانوية.
تتشابه الفكرة مع أشكال أخرى من المختبرات الموجهة بالذكاء الاصطناعي. سبق أن غطت نيوتقنية كيف عدلت وكلاء غوغل تصاميم جزيئية بعد فشل اختبارات فعلية. هنا تنتقل حلقة التغذية الراجعة إلى الجهاز نفسه، إذ تغير نتيجة القياس الأخير ما سيقاس بعده.
مكونات متعددة وليست منظومة عامة بعد
يجمع SYNAPS-I مختبرات بروكهافن وأرغون ولورنس بيركلي وأوك ريدج وSLAC مع شركاء صناعيين وبنية حوسبة مشتركة. أثبتت عروض سابقة إمكان معالجة بيانات التصوير الحيودي فوريا والتحكم في الجهاز بمساعدة وكلاء برمجيين. أما اختبارات بروكهافن الجديدة فتربط هذه الأفكار باختيار الأهداف آليا وبإعادة بناء مقطعي من بيانات أقل داخل عينات إلكترونية.
نشر التعاون أجزاء من مسار إعادة البناء كمشروع مفتوح المصدر. يساعد ذلك على فحص الشفرة، لكن تكرار النتيجة كاملة يتطلب أيضا كواشف متخصصة وأنظمة تحكم في خط الأشعة ونماذج مدربة وعتادا حاسوبيا مناسبا.
قبل أن نبالغ في النتيجة
المصدر إعلان مختبري وليس مقارنة محكمة للمسار المتكامل. يورد معدلات سرعة وتخفيضا في البيانات، لكنه لا يقدم معيارا موحدا أمام الأنظمة البديلة، ولا معدلات الخطأ في اختيار الأهداف، ولا أداء عبر أنواع متعددة من العينات. كما أن إعادة البناء الثلاثي المستمر ليست فورية بالكامل حتى الآن. لذلك يمثل العمل تطبيقا واعدا داخل منشأة متخصصة، وليس مختبرا ذاتي التشغيل للاستخدام العام.
الخطوة التالية
يستهدف الفريق بناء تصوير مقطعي مستمر تبدأ فيه صورة ثلاثية الأبعاد أولية ثم تتحسن مع وصول إسقاطات جديدة. ويجب أيضا إثبات أن الاختيار الآلي لا يهمل المناطق المهمة علميا لصالح الأنماط المألوفة للنموذج. لن يقاس النجاح برقم السرعة وحده، بل بقدرة منشآت متعددة على تكرار المسار وقياس أخطائه وإتاحته للباحثين الزائرين بصورة موثوقة.
كيانات وموضوعات موثّقة
المصادر والمراجع4 مصادر
المراجع الخارجية المستخدمة لدعم المعلومات الواردة في هذا المقال.
نشر بواسطة
مكتب نيو تقنية – الذكاء الاصطناعي
فريق تحريري مؤسسي تابع لنيو تقنية