Учёные ЮФУ научили искусственный интеллект расшифровывать рентгеновские спектры

Фото: Богдан Проценко // фото ЮФУ

Учёные ЮФУ совместно с зарубежными коллегами научили искусственный интеллект за несколько минут расшифровывать данные рентгеновской спектроскопии. Об этом сообщили в центре общественных коммуникаций вуза. До создания разработки экспертам приходилось тратить на это целые месяцы, применяя опыт, интуицию и сложные расчёты.

Чтобы узнать мельчайшие детали строения и функционирования вещества, специалистам приходится использовать мощные источники рентгеновского излучения. Зачастую эти установки очень массивные. Они позволяют «просветить» материал, а затем определить положение атомов и их химическое состояние.

– Так устанавливаются важнейшие детали строения и функционирования самых разных материалов и веществ, от активных центров энзимов и ферментов, лежащих в основе всего живого, до особенностей структуры материальной базы микроэлектроники или механизмах работы и деградации катализаторов, веществ на порядок ускоряющих химические реакции и потому лежащих в основе практически всей промышленной химии, – уточнил лаборант-исследователь фронтирной лаборатории рентгеноспектральной нанометрологии МИИ ИМ ЮФУ Богдан Проценко.

Как отметили в центре общественных коммуникаций, даже после успешного измерения материалов на рабочих установках учёные не всегда точно знают, что делать дальше с полученными данными. Это происходит из-за того, что на данный момент формулу, с помощью которой можно расшифровать спектр рентгеновского поглощения, ещё не создали.

Однако недавнее исследование специалистов ЮФУ позволило сделать отечественной науке шаг к тому, чтобы автоматизировать анализ таких данных и значительно его ускорить. Кроме того, разработка ещё и смогла сделать выводы более точными. Код реализовали в виде «ноутбуков», поэтому не нужно уметь программировать, чтобы пользоваться его возможностями.

– Используя машинное обучение на основе фреймворка PyFitIt (который уже много лет разрабатывается в нашем институте), а также исчерпывающие базы данных (пока только для хрома и ванадия, но даже это существенно — например, соединения хрома лежат в основе катализатора Филлипса, с помощью которого производится половина всего полиэтилена в мире), мы добились высококачественных и воспроизводимых результатов», – поделился Богдан Проценко.

Чтобы получить надёжные результаты, учёные проделали долгую и кропотливую работу по сбору качественных данных и применили множество различных методик. Всю полученную информацию собрали в единую базу, на которой и обучили искусственный интеллект. Используемые алгоритмы умеют производить отбор, аугментацию и фильтрацию данных, предобработку, выбор признаков, оценку ошибок и другие. Кроме того, разработку упаковали в удобный для пользователя интерфейс.