نظام AlphaDiffract يحدد الأنظمة البلورية من أنماط حيود المساحيق بدقة 81.7%
حقق نظام تعلم عميق تدرب على أكثر من 31 مليون نمط محاكى لحيود الأشعة السينية للمساحيق دقة 81.7% في تحديد النظام البلوري و66.2% في تحديد المجموعة الفراغية على بيانات معادن تجريبية. قد يسرع البحث المحكّم تحليل المواد، لكن تقديرات الشبكة ليست دقيقة بما يكفي لبدء التنقيح الكامل، كما أن النموذج العام المفرد أضعف من مجموعة النماذج في الورقة.
نشر باحثون في مختبر أرجون الوطني نظام تعلم عميق يتنبأ بعدة خصائص أساسية للبلورة مباشرة من نمط حيود الأشعة السينية لمسحوق. لا يحل AlphaDiffract البنية الذرية كاملة، لكنه يقدم تصنيفا أوليا سريعا يضيّق نطاق البحث قبل التحليل الأبطأ الذي يقوده الخبراء.
الخلاصة في 30 ثانية
- ماذا حدث؟ دُرب AlphaDiffract وتحقق منه باستخدام أكثر من 31 مليون نمط محاكى مشتق من 312267 بنية بلورية منقحة.
- ماذا حقق؟ أفادت الورقة بدقة 81.7% للأنظمة البلورية و66.2% للمجموعات الفراغية على بيانات معادن RRUFF التجريبية.
- ما القيد؟ أخطاء معلمات الشبكة ما تزال أكبر من أن تبدأ بها عملية التنقيح الكامل، والنموذج العام المفرد أضعف من مجموعة النماذج العشرة في الورقة.
الرقم الأبرز: أكثر من 31 مليون نمط محاكى. ساعد هذا الحجم النموذج على تعلم تغير مواضع قمم الحيود وشداتها مع اختلافات واقعية في الأجهزة والعينات.
نمط واحد وتنبؤات بلورية متعددة
يسجل حيود الأشعة السينية للمساحيق كيفية تشتت الأشعة من مادة مسحوقة عبر مجموعة من الزوايا. تحمل مواضع القمم وشداتها معلومات عن الشبكة البلورية المتكررة، لكن استخراجها قد يحتاج إلى فهرسة تكرارية ومقارنة بقواعد بيانات وحكم خبير.
يكيّف AlphaDiffract بنية الشبكة العصبية ConvNeXt مع إشارات حيود أحادية البعد. وتتنبأ رؤوس إخراج منفصلة بالنظام البلوري والمجموعة الفراغية وست معلمات للشبكة. واعتمد التدريب على بنيات من قاعدة البيانات غير العضوية للبنيات البلورية ومشروع المواد، مع تغييرات محاكاة صممت لتشبه التباين التجريبي.
استخدم الاختبار التجريبي أنماط معادن RRUFF، وهي تمثل تحديا أصعب للانتقال من المحاكاة إلى الواقع مقارنة ببيانات محاكاة محجوبة. وتفيد دقة النظام البلوري البالغة 81.7% مرشحا أوليا أكثر من نتيجة المجموعة الفراغية البالغة 66.2%، لأن الأنظمة البلورية سبعة فقط بينما توجد 230 مجموعة فراغية.
أهمية محتملة للمختبرات عالية الإنتاجية
تستطيع خطوط الأشعة والمختبرات المؤتمتة إنتاج القياسات أسرع من قدرة المتخصصين على فحصها. وقد يساعد نموذج أولي سريع في ترتيب البنيات المحتملة أو الإشارة إلى العينات غير المعتادة أو تحديد القياسات التي تستحق وقتا إضافيا على الجهاز. ويكمل ذلك تقرير نيوتقنية عن التصوير الموجّه بالذكاء الاصطناعي الذي اختار موضع القياس التالي، وتغطيتها لنظام AutoDNA الذي نسق 20 جهازا مختبريا.
أصدر المؤلفون أيضا أوزان النموذج وشيفرة الاستدلال، ما يسمح لمختبرات أخرى باختبار النظام. وهذا مهم لأن النموذج الذي تدرب أساسا على المحاكاة قد يتعثر عندما تختلف الأجهزة أو تحضير العينة أو الاتجاهات المفضلة أو أطوار المواد المختلطة عن افتراضاته.
اختبار الواقع
- بلغ متوسط خطأ أطوال الشبكة نحو 2.11 أنغستروم على المعيار التجريبي، مع متوسط خطأ نسبي مطلق 23.5%. ويقول المؤلفون إن هذه تقديرات تقريبية وليست دقيقة بما يكفي لبدء التنقيح الكامل للنمط.
- يتضمن إصدار OpenAlphaDiffract العام نموذجا واحدا من مشروع المواد، لا مجموعة النماذج العشرة المستخدمة في النتائج الرئيسية. وتوثق صفحته درجات 60.35% للنظام البلوري و38.28% للمجموعة الفراغية على RRUFF.
- RRUFF معيار مفيد للمعادن، لكنه ليس اختبارا شاملا لمساحيق الصناعة أو العينات متعددة الأطوار أو كل إعدادات خطوط الأشعة.
- النشر المحكّم جديد، لكن نسخة أولية والنموذج العام ظهرا قبل أشهر.
الخطوة التالية
سيكون الاختبار الأقوى مقارنة AlphaDiffract بطرق الفهرسة التقليدية وأنظمة تعلم الآلة الأحدث على بيانات معماة من مختبرات متعددة. كما يلزم إثبات أن تنبؤاته التقريبية تقلل زمن التحليل الكلي، لا أن تضيف اقتراحا جديدا يتعين على الخبير التحقق منه. لذلك يمثل العمل حاليا أداة فرز قابلة للتوسع في علم البلورات، وليس بديلا مؤتمتا عن حل البنية.
كيانات وموضوعات موثّقة
المصادر والمراجع3 مصادر
المراجع الخارجية المستخدمة لدعم المعلومات الواردة في هذا المقال.
نشر بواسطة
مكتب نيو تقنية – العلوم
فريق تحريري مؤسسي تابع لنيو تقنية
