• Home
  • Química
  • Astronomía
  • Energía
  • Naturaleza
  • Biología
  • Física
  • Electrónica
  •  science >> Ciencia >  >> Física
    Los físicos extraen datos adicionales de sondas de rayos X ultrarrápidas mediante el aprendizaje automático

    Vista de la fuente de luz coherente Linac. Crédito:Laboratorio del Acelerador Nacional SLAC

    Las reacciones químicas podrían probarse con mayor detalle utilizando un método inventado por investigadores de Imperial que caracteriza mejor a los rayos X ultrarrápidos.

    Los rayos X se pueden utilizar para investigar las estructuras de, y reacciones entre, moléculas a escalas muy pequeñas y a gran velocidad. Para hacer esto, Los científicos utilizan láseres de electrones libres (FEL) para crear un tren de pulsos de rayos X.

    Esto permite a los investigadores probar algunos de los procesos fundamentales de la química y la biología, como los mecanismos de la fotosíntesis y las reacciones de los aminoácidos. que son los pilares de la vida.

    Sin embargo, Los FEL son inherentemente inestables, lo que significa que las propiedades de los rayos X resultantes pueden variar de un pulso a otro. Esto puede dar lugar a inexactitudes en las mediciones realizadas con esos rayos X.

    Existen métodos para medir las propiedades reales de los rayos X producidos, pero pueden interferir con el experimento, y muchos no podrán mantenerse al día con las frecuencias de pulso muy rápidas de la próxima generación de FEL de rayos X, como el XFEL europeo en Hamburgo (actualmente en prueba) y el Linac Coherent Light Source II (LCLS-II) en los EE. UU.

    Ahora, Un equipo de investigación dirigido por físicos del Imperial College de Londres ha utilizado una técnica de inteligencia artificial conocida como aprendizaje automático para predecir con precisión las propiedades de los rayos X. Estas predicciones se basan en determinadas medidas del FEL, que se puede realizar lo suficientemente rápido para igualar la velocidad de los rayos X.

    Mil veces más datos

    Los resultados del estudio, involucrando a 18 instituciones de investigación del Reino Unido, Alemania, Suecia, EE. UU. y Japón, se publican hoy en Comunicaciones de la naturaleza .

    El autor principal del nuevo estudio, Álvaro Sánchez-González del Departamento de Física de Imperial, dijo:"Para los instrumentos actuales, que generan alrededor de cien pulsos por segundo, la naturaleza lenta de la caracterización de rayos X significa que a veces hasta la mitad de los datos no se pueden utilizar.

    "Este problema solo se agravará en los instrumentos de próxima generación, como el europeo XFEL o LCLS-II, diseñado para generar cientos de miles de pulsos por segundo.

    "Nuestro método resuelve eficazmente el problema, y debería funcionar tanto en los nuevos instrumentos como en los más antiguos con los que lo probamos. Esto permitirá recopilar datos útiles hasta mil veces más rápido ".

    La velocidad de la técnica significa que las reacciones químicas podrían explorarse con mayor detalle, ya que los cambios en las moléculas podrían observarse en escalas de tiempo más cortas, hasta un solo femtosegundo (una cuadrillonésima parte de un segundo).

    El investigador principal, el profesor Jon Marangos del Departamento de Física de Imperial, dijo:"Estos experimentos de fuego rápido nos permitirán observar interacciones que suelen suceder demasiado rápido para que las capturemos.

    "También permitirán a los investigadores crear 'películas moleculares' de estos procesos ultrarrápidos, por ejemplo, para ver cómo se mueven los átomos e incluso los electrones más rápidos durante una reacción química "

    Predecir las propiedades de los rayos X

    Los investigadores sabían que había cientos de variables en el FEL que podrían potencialmente usarse para predecir las propiedades de los rayos X, pero llevaría mucho tiempo comprobar manualmente cada uno de ellos. Entonces, el equipo, que incluía a los estudiantes de último año de maestría en ciencias Paul Micaelli y Charles Olivier en Imperial, creó un programa de aprendizaje automático para hacer el trabajo por ellos.

    El aprendizaje automático implica software diseñado para rastrear grandes conjuntos de datos en busca de patrones, Construir modelos, y luego probar las predicciones basadas en esos modelos, mejorando a medida que avanzan. Utilizaron datos del Laboratorio Nacional Acelerador SLAC en la Universidad de Stanford, NOSOTROS, entrenar algunos de estos modelos para encontrar automáticamente las variables y correlaciones clave que podrían usarse para predecir las propiedades de los rayos X con alta precisión.

    El equipo espera que su método se pueda instalar directamente en los instrumentos FEL de rayos X, permitiendo a los investigadores de todo el mundo que acceden a ellos beneficiarse de un mayor conjunto de datos sin aplicar el programa por separado.

    © Ciencia https://es.scienceaq.com