"أنا سعيد برؤية العلم الوطني الأحمر مرفوعًا في ميدان تيانانمن في بكين"

إذا قرأت هذه الجملة بسرعة، فقد تجد أن الكلمات القليلة "شاهدت حفل رفع العلم في ميدان السلام السماوي" يمكن أن تلخص المعلومات التي نحتاجها. بمعنى آخر، ليست هناك حاجة لقراءته كلمة بكلمة، ويمكنك فك جميع المعلومات من خلال فهم النقاط الرئيسية. فهل يمكن أن يقال الشيء نفسه عن البحث العلمي؟

وبإلهام من ذلك، قام الباحثون بدمج الذكاء الاصطناعي مع تقنية المجهر لتدريب الذكاء الاصطناعي على تحديد السمات الرئيسية في العينات بشكل نشط حتى يتمكن الباحثون من تحليلها. على عكس المسح الكامل للعينات في تقنية المجهر التقليدية، فإن طريقة المجهر AI + غيرت تمامًا الطريقة التي يحصل بها الباحثون على بيانات العينة، وسرعت بشكل كبير العملية التجريبية، وحققت "قراءة سريعة" على المستوى المجهري.

المؤلف | أضف صفرًا

المحرر | شيويه تساي، سانيانغ

يعتمد مبدأ المجهر على توليد إشارات محددة مكانيًا عن طريق مسح العينات، وجمع الإشارات للتحليل، وبالتالي تكوين صورة للعينة. مع التقدم المستمر في تكنولوجيا الأجهزة،لقد تم تحسين سرعة المسح ودقة المجاهر بشكل كبير.

ومع ذلك، فإن تجارب المجهر المسحي عالي الدقة لها بعض العيوب الكبيرة:كمية البيانات المولدة ضخمة، ويسبب المسبار ضررًا كبيرًا للعينة.على سبيل المثال، يتم إجراء التصوير بالأشعة السينية لحجم 1 مم^3 بدقة ≈10 نانومتر.تنتج طرق المسح التقليدية 10^15 فوكسل من البيانات وتتطلب جرعة كبيرة إلى حد ما من المجس.

وفي الوقت نفسه، تتمتع معظم المناطق في العينة بكثافة معلوماتية منخفضة ويمكن تجاهلها بشكل مباشر.وعلى العكس من ذلك، فإن عدداً صغيراً من مجالات "الحدود، والعيوب، والعناصر الخاصة" تحتوي على معلومات غنية وتحتاج إلى دراسة متعمقة..

لتحديد المناطق الرئيسية ذات الكثافة العالية من المعلومات بدقة، تعتمد الطرق التقليدية بشكل أساسي على المشغلين ذوي الخبرة لتحليل البيانات وتوجيه مسح المجس، مما يزيد بشكل كبير من عبء العمل ويبطئ تقدم التجربة.

فهل من الممكن استخدام الذكاء الاصطناعي لمساعدة الباحثين على تحديد أولويات البحث في العينات وتسريع جمع البيانات وتحليلها؟

انطباع الفنان عن تجارب المجهر المسحي الآلي للحقل المظلم في APS.

ولتحقيق هذه الغاية، قام الباحثون في مختبر أرجون الوطني في الولايات المتحدة بتطوير FAST (مجموعة أدوات المسح التلقائي السريع)، وهي مجموعة مسح تلقائي سريعة تختلف عن المسح الكامل لعينات أبحاث المجهر التقليدية.يتيح FAST للذكاء الاصطناعي التعرف تلقائيًا على الموقع الممسوح ضوئيًا، وبالتالي الحصول على معلومات العينة بكفاءة ودقة.وقد نشرت النتائج ذات الصلة في مجلة "Nature Communications".

وقد تم نشر النتائج ذات الصلة في مجلة "العلوم المتقدمة"

في عمليات المحاكاة وتجارب المجهر بالأشعة السينية في المجال المظلم، أجرى باحثو FAST عمليات مسح FAST على أفلام WSe2. وأظهرت النتائج أنإن المسح السريع لـ <25% كافٍ لتصوير العينة وتحليلها بدقة.

رابط الورقة:

https://www.nature.com/articles/s41467-023-40339-1

الإجراءات التجريبية

بيانات التدريب:استخدام خوارزميات تدريب الصور العامة

لا تحتاج الخوارزمية التي يستخدمها FAST إلى تدريب باستخدام مجموعات كبيرة من البيانات، ويمكن للذكاء الاصطناعي استخدام صور عامة لتحديد مجالات الاهتمام.

تم إنشاء بيانات التدريب من الصور المتاحة للجمهور من مكتبات معهد ماساتشوستس للتكنولوجيا، وقاعدة بيانات صور USC-SIPI، وحزمة برامج Scikit-image.

أمثلة على صور الاختبار المستخدمة

سريع:مجموعة أدوات المسح السريع المستقل

FAST تعني مجموعة أدوات المسح التلقائي السريع.إنه يجمع بين طريقة SLADS-Net وتكنولوجيا تحسين المسار والتحكم الفعال في الأجهزة المعيارية.هي مجموعة من أدوات المسح السريع المستقلة لأخذ العينات في الوقت الفعلي واختيار مسار المسح في المجهر المسحي القائم على السنكروترون.

سير العمل السريع

أ:يتم إرسال مجموعة من القياسات الأولية شبه العشوائية إلى جهاز الحافة، والذي يقوم بدوره بإنشاء تقدير أولي للعينة، ويحسب نقاط المرشح التالية التي يجب قياسها، ويحسب مسار القياس. ويتم دمج القياسات الجديدة مع القياسات الموجودة لحساب تقدير جديد، وتكرر العملية حتى يتم الوصول إلى معايير الإكمال.

ب:في بداية عملية نقطة المرشح، يتم التحقق من كل نقطة غير مقاسة. صفي الجوار المحلي (بنصف قطر r)، يتم تسليط الضوء على النقاط التي تم قياسها، وبالتالي توليد متجه ميزة سداسي الأبعاد. تم تحويل متجهات الميزة إلى متجهات ذات 50 بُعدًا باستخدام نواة الدالة الأساسية الشعاعية (RBF) واستخدامها كمدخلات لشبكة عصبية متعددة الطبقات (NN). بعد ذلك، ستقوم الشبكة العصبية (NN) بقياس النقاط ص  التنبؤ بالتحسن المتوقع في الصور (ERD). يتم اختيار مجموعة من البكسلات غير المقاسة ذات أعلى قيمة ERD كمرشحين للقياس التالي.

لا يعتمد تدريب FAST على بيانات عينة محددة.من الممكن قياس وإعادة بناء عينة معقدة (غير ثنائية) بشكل ديناميكي، وهو ما يختلف عن سير العمل القائم على SLADS الحالي. وعلاوة على ذلك، فإن تكلفة الحوسبة الخاصة بها لا تذكر مقارنة بوقت الاستحواذ، حتى عند تشغيلها على جهاز حوسبة حافة منخفض الطاقة (يقع عند خط شعاع السنكروترون)، وهو ما يمثل ميزة كبيرة لتقنيات التجارب المستقلة الأكثر عمومية.

تتيح هذه الميزات تطبيق FAST على أداة المجهر الماسح بالأشعة السينية النانوية عالية الدقة الموجودة في خط شعاع مسبار الأشعة السينية الصلبة APS.

التحقق من الأداء

سريع:أفضل من طرق أخذ العينات الثابتة

ولتحقق من أداء FAST، أجرى الباحثون تجارب مقارنة مع ثلاث تقنيات أخرى لأخذ العينات الثابتة.

المواضيع:وهذا يعني أن مجموعة بيانات الاختبار عبارة عن صورة ذات مجال مظلم بدقة 600 × 400 بكسل، تمثل 240000 موضع قياس محتمل، وتغطي مساحة فيزيائية تبلغ 900 × 600 ميكرومتر، وتحتوي على شرائح WSe2 متعددة ذات سماكات مختلفة؛

طريقة المقارنة:تتضمن تقنيات أخذ العينات الثابتة الثلاث أخذ العينات الشبكية النقطية (RG)، وأخذ العينات العشوائية المنتظمة (UR)، وأخذ العينات شبه العشوائية ذات التباين المنخفض (LDR).

العملية التجريبية:في نفس تغطية المسح، يتم إنشاء صور إعادة بناء العينات FAST وRG وUR وLDR.

المقارنة 1:

مقارنة بين صور إعادة بناء العينات الثابتة وFAST

أ:صورة الحقيقة الأساسية، يمثل مقياس الألوان الكثافة الطبيعية

بد:صور إعادة بناء RG وLDR وFAST تحت تغطية المسح 10%

وتظهر النتائج:تتمكن تقنية أخذ العينات السريعة من إعادة إنتاج الحدود والفقاعات ومناطق الانتقال بين مستويات السُمك المختلفة في الكائنات التجريبية بدقة عالية.

المقارنة 2:

مقارنة أداء طرق أخذ العينات الثابتة والسريعة في تغطية مسح مختلفة

أ:يختلف خطأ المتوسط التربيعي الطبيعي (NRMSE) باختلاف تغطية المسح، وتشير القيم المنخفضة إلى أداء أفضل؛

ب:يختلف مقياس التشابه البنيوي (SSIM) حسب تغطية المسح، وكلما زادت القيمة، كان الأداء أفضل.

وتظهر النتائج:يتمتع FAST بكفاءة أخذ عينات عالية ويمكنه تحقيق إعادة بناء مستقرة عندما تصل تغطية المسح إلى 27%؛ تتطلب طرق أخذ العينات الثابتة الثلاثة وقتًا أطول لتحقيق نفس التأثير.

المقارنة الثالثة:

مواضع القياس الفعلية لـ FAST وطريقتي أخذ العينات الثابتة بمعدل التغطية 10% في ظل نفس ظروف أخذ العينات

وتظهر النتائج أنتتمتع الهياكل المعاد بناؤها باستخدام تقنية FAST بتشابه كبير وخطأ منخفض.

وفي المستقبل، يمكن تحسين النتائج بشكل أكبر عن طريق استخدام تقنيات طلاء أكثر تطوراً في طريقة FAST.

وتظهر نتائج المقارنة للمجموعات الثلاث أعلاه ما يلي:

تتفوق تقنية FAST على تقنيات أخذ العينات الثابتة. تقوم FAST بشكل تفضيلي بأخذ عينات من المناطق ذات التباين الكبير بدلاً من المناطق المتجانسة. يؤدي هذا إلى تقليل وقت أخذ العينات غير الفعالة في المناطق الفارغة بشكل كبير، وهو فعال بشكل خاص للعينات المتفرقة.

سريع: إمكانية إعادة بناء صور المجال المظلم بكفاءة ودقة

وفي تجارب خطوط شعاع السنكروترون، أثبت FAST أداءه الممتاز.

كانت العملية التجريبية مدفوعة ذاتيًا بالكامل بواسطة الذكاء الاصطناعي، ولم يتدخل الباحثون في أي شيء باستثناء بدء نص FAST. العينة التجريبية عبارة عن رقاقة WSe2 مشوهة بدقة مكانية تبلغ 100 نانومتر.

تطور المسح السريع

بارِع:صور المجال المظلم المعاد بناؤها بواسطة FAST عند تغطية المسح 5%، و15%، و20%؛

ب، د، و:نقاط القياس الفعلية المقابلة؛

ج:الصورة تم الحصول عليها عن طريق المسح الكامل لكل نقطة على حدة (تغطية 100%)؛

أ.ج:يُظهر مقياس الألوان الكثافة الطبيعية؛

ح:يتم عرض نقاط أخذ العينات فقط بين التغطية 15%-20%.

يوضح الشكل أعلاه أنه في حالة انخفاض تغطية المسح الضوئي،حددت طريقة FAST بشكل تفضيلي بعض المناطق غير المتجانسة.مثل حافة الفقاعة؛ مع زيادة تغطية المسح تدريجيًا، تصبح نتيجة إعادة البناء أكثر وضوحًا، وتصل الصورة المعاد بناؤها إلى الاستقرار بين تغطية المسح 15%-20%.

تغطية المسح 20%،يمكن لـ FAST إعادة إنتاج جميع الميزات الرئيسية في صورة المسح الضوئي الكاملة بوضوح ودقة.وفي الوقت نفسه، يساعد ذلك على توفير حوالي 80 دقيقة (≈65%) من وقت التجربة، مما يحسن كفاءة التجربة بشكل كبير.

مستقبل الذكاء الاصطناعي + المجهر

وتكمن ميزة عملية FAST ليس فقط في تحسين كفاءة الحصول على البيانات المجهرية، ولكن أيضًا في نطاقها الواسع من التطبيقات.وقال تاو تشو، وهو عالم من مختبر أرجون الوطني في الولايات المتحدة: "من المجاهر بالأشعة السينية إلى المجاهر الإلكترونية إلى المجاهر المسبارية الذرية، يمكن لهذه التكنولوجيا تمكين أي بحث مجهري يتطلب مسحًا ثنائي الأبعاد".

وفي المستقبل، سيتم تطبيق تقنية الذكاء الاصطناعي بشكل أعمق في مجال المجهر. ومن خلال التدريب، تتولى الذكاء الاصطناعي تدريجيا مهام مثل تحليل الصور والتعرف عليها آليا، وتحسين الصور وإعادة بنائها، والتحليل الكمي، وتشخيص الأمراض.

تتجه تقنية الذكاء الاصطناعي + المجهر نحو مستقبل أكثر وضوحًا وكفاءة ودقة، وستستمر حدود البحث العلمي في التوسع.

روابط مرجعية:

[1]https://www.nature.com/articles/s41467-023-40339-1

[2]https://phys.org/news/2023-10-artificial-intelligence-scientists-self-driving-microscopy.html

[3]نهج التعلم الخاضع للإشراف للعينات الديناميكية