에너지부 Oak Ridge 국립 연구소의 연구원들은 전자 및 스캐닝 프로브 현미경 이미지의 종단 간 이미지 분석을 제공하는 기계 학습에 영감을 받은 소프트웨어 패키지를 개발했습니다.

AtomAI로 알려진 이 패키지는 원자 분해능에서 현미경 데이터에 딥 러닝을 적용하여 샘플 내 각 원자의 정확한 위치 및 유형과 같은 정량화 가능한 물리적 정보를 제공합니다.

이러한 방법을 사용하여 연구원은 매우 복잡한 데이터 세트에서 통계적으로 의미 있는 정보를 신속하게 도출할 수 있습니다. 이러한 데이터 세트에는 각각 수천 개의 원자와 분자 구조의 이상을 포함하는 수백 개의 이미지가 일상적으로 포함됩니다.

데이터 분석에 대한 이러한 개선을 통해 연구원은 재료의 양자 원자적으로 정밀한 이상을 엔지니어링할 수 있으며 재료의 물리적 및 화학적 특성에 대한 더 깊은 통찰력을 얻는 데 사용할 수 있습니다.

전자 현미경 및 스캐닝 탐침 현미경을 통해 재료 과학자, 물리학자 및 기타 연구자는 초고해상도에서 원자 및 분자 구조를 조사할 수 있습니다. 이러한 고해상도 방법을 통해 연구원은 원자 구조를 명확하게 관찰할 수 있으므로 나노 스케일에서 재료를 이해하고 엔지니어링하는 데 중요한 도구가 됩니다.

전자현미경은 물질의 구조에 대한 정확한 정보를 얻는 데 유용한 반면, 주사탐침현미경은 초전도성이나 자성과 같은 물질의 기능적 특성에 대해 배우는 데 더 자주 사용됩니다. 두 방법 모두 최신 이미지 분석 방법의 이점을 얻습니다.

딥 러닝은 프로그램이 이미지 또는 텍스트 블록의 내용을 정확하게 식별하도록 스스로 훈련할 수 있도록 하는 일종의 기계 학습입니다. 기존 기계 학습이 이미지 분석에 적용될 때 이미지 세트에서 관련 기능을 수동으로 추출하고(기능 엔지니어링이라고 하는 프로세스) 해당 기능을 기반으로 개체를 분류하는 모델을 만드는 데 사용됩니다.

대조적으로, 딥 러닝 모델은 다양한 수준의 복잡성에서 이미지의 다양한 측면을 감지하도록 훈련된 계층화된 "뉴런" 네트워크(데이터 및 계산이 흐르는 생물학적 영감을 받은 노드)를 사용하여 관련 기능을 자동으로 학습합니다.

이를 통해 시스템을 교육하기에 충분한 데이터가 존재하는 한 기존 기계 학습과 비교할 때 정확도를 높이고 더 다양한 정보를 분석할 수 있습니다.

ORNL에서 부분적으로 개발한 AtomAI 나노상재료과학연구단에는 현미경 데이터에서 나노섬유 또는 도메인 벽(자기 도메인을 분리하는 인터페이스)과 같은 얇은 물체를 식별하는 고유한 모델 아키텍처가 포함되어 있습니다. 또한 소프트웨어 패키지는 들어오는 우주 광선 또는 비표적 물질의 이미지와 같은 이미지 데이터의 의도하지 않은 변경을 설명하고 변하지 않는 특정 물리적 특성을 모델에 통합하여 이미지 처리의 오류를 줄이기 위해 구축되었습니다.

또한 AtomAI에는 연구자가 수집 중인 데이터를 실시간으로 분석하고 이론적 시뮬레이션으로 직접 정보를 가져올 수 있는 도구가 포함되어 있습니다. 이러한 기능은 관찰 중인 물리적 구조의 에너지 및 광학, 전자 및 자기 특성에 대한 통찰력을 얻는 데 유용합니다.

An 소프트웨어 패키지 개요 네이처 머신 인텔리전스에 게재되었습니다.

ORNL의 연구원이자 AtomAI의 수석 개발자인 Maxim Ziatdinov는 "사람들은 현미경을 순전히 질적 도구로 취급했지만 최근에는 커뮤니티의 사고 방식에 일종의 변화가 있었습니다. 현미경은 실제로 양적 물리적 정보를 추출하는 데 사용될 수 있습니다." 정성적 현미경 방법은 일반적으로 샘플에 대한 전체론적 정보를 기록하는 연구원에 의존하는 반면, 새로운 정량적 방법은 재료의 구조 또는 속성을 정확한 수치로 나타낼 수 있습니다.

AtomAI와 같은 소프트웨어는 이러한 변화를 가능하게 하여 전체 샘플의 구조를 정량적으로 분석하여 정성적 방법이 잘못 표시하거나 단순히 알아차리지 못할 수 있는 의미 있는 데이터를 찾는 방법을 제공합니다.

Ziatdinov는 그의 팀의 작업이 기초 및 응용 재료 연구 모두에서 진행 속도를 가속화할 것으로 기대합니다. "물건을 더 빨리 특성화하고 프로세스의 적어도 일부를 자동화할 수 있다면 재료 과학 연구의 모든 측면도 가속화할 것입니다."라고 그는 말했습니다.

AtomAI는 사용 및 액세스 용이성을 염두에 두고 설계되었습니다. 전체 패키지는 브라우저에서 시작할 수 있으며 작동하려면 최소한의 코딩 지식이 필요합니다.

Ziatdinov는 "당신이 실험가라면 과정 뒤에 있는 모든 수학을 알지 못하고 반드시 좋은 코더가 아니더라도 기계 학습을 사용할 수 있어야 합니다."라고 말했습니다.

AtomAI는 완전한 소프트웨어 패키지이며 Ziatdinov와 그의 팀은 그 기능을 확장하고 더 많은 기능을 지원할 것으로 기대합니다. 그는 특히 시간 소모적이고 비용이 많이 드는 전통적인 시뮬레이션 프로세스를 거치지 않고 에너지 및 안정성과 같은 구조의 물리적 특성을 정확하게 추정하려는 이론 연구원을 위한 기능을 추가하는 데 관심이 있습니다.

Ziatdinov는 또한 AtomAI에 대한 요구 사항과 아이디어에 대해 다른 연구자들로부터 직접 들을 수 있기를 기대하며 새로운 기능을 소프트웨어 패키지에 통합하기 위해 그들과 협력하고 있습니다.

ORNL은 미국에서 물리 과학의 기초 연구를 지원하는 최대 단일 기관인 DOE의 Office of Science를 위해 UT-Battelle에서 관리합니다. DOE의 Office of Science는 우리 시대의 가장 시급한 문제를 해결하기 위해 노력하고 있습니다. 자세한 내용은 다음을 방문하십시오. 에너지.gov/science. – 갈렌 페이더

.wordads-ad-wrapper {display:none;font: normal 11px Arial, sans-serif;letter-spacing: 1px;text-decoration: none;width: 100%;margin: 25px auto;padding: 0;}.wordads -광고 제목 {마진-바닥: 5px;}.wordads-ad-controls {마진-상단: 5px;텍스트 정렬: 오른쪽;}.wordads-ad-controls 범위 {커서: 포인터;}.wordads-ad { 너비: 맞춤 콘텐츠; 여백: 0 자동;}

• SEO 기반 콘텐츠 및 PR 배포. 오늘 증폭하십시오.
• 플라토 블록체인. Web3 메타버스 인텔리전스. 지식 증폭. 여기에서 액세스하십시오.
• 미래 만들기 w Adryenn Ashley. 여기에서 액세스하십시오.
• 출처: https://genesisnanotech.wordpress.com/2023/04/23/deep-learning-based-data-analysis-software-by-ornl-promises-to-accelerate-materials-research-ai-applications/