Menggunakan Jaringan Syaraf Tiruan untuk Pencitraan Sinar-X yang Lebih Cepat
Para ilmuwan telah menunjukkan penggunaan kecerdasan buatan (AI) untuk mempercepat proses merekonstruksi gambar dari data hamburan sinar-X yang koheren. Teknik pencitraan sinar-X tradisional (seperti gambar sinar-X medis) terbatas dalam jumlah detail yang dapat mereka berikan. Hal ini telah menyebabkan pengembangan metode pencitraan sinar-X yang koheren yang mampu memberikan gambar dari jauh di dalam material pada resolusi beberapa nanometer atau kurang. Teknik ini menghasilkan gambar sinar-X tanpa memerlukan lensa dengan cara mendifraksikan atau menyebarkan sinar dari sampel dan langsung ke detektor.
Data yang ditangkap oleh detektor tersebut memiliki semua informasi yang diperlukan untuk merekonstruksi gambar dengan ketelitian tinggi dan ilmuwan komputasi dapat melakukannya dengan algoritme canggih. Gambar-gambar ini kemudian dapat membantu para ilmuwan merancang baterai yang lebih baik, membuat bahan yang lebih tahan lama, dan mengembangkan obat dan perawatan yang lebih baik untuk penyakit.
Proses menggunakan komputer untuk mengumpulkan gambar dari data sinar-X yang tersebar secara koheren disebut ptychography dan tim menggunakan jaringan saraf yang mempelajari cara menarik data tersebut ke dalam bentuk yang koheren — karena itulah nama inovasinya:PtychoNN.
Ketika berkas sinar-X mengenai sampel, cahaya terdifraksi dan menyebar dan detektor di sekitar sampel mengumpulkan cahaya itu. Terserah para ilmuwan untuk mengubah data itu menjadi informasi yang dapat digunakan. Tantangannya, bagaimanapun, adalah bahwa sementara foton dalam berkas sinar-X membawa dua informasi — amplitudo atau kecerahan sinar, dan fase atau seberapa banyak sinar berubah ketika melewati sampel — hanya detektor menangkap satu. Karena detektor hanya dapat mendeteksi amplitudo dan tidak dapat mendeteksi fase, semua informasi tersebut hilang sehingga harus direkonstruksi.
Itu bisa dilakukan tetapi prosesnya lebih lambat dari yang diinginkan para ilmuwan. Bagian dari tantangannya adalah pada akhir akuisisi data. Untuk merekonstruksi data fase dari eksperimen pencitraan difraksi yang koheren, algoritma saat ini mengharuskan para ilmuwan untuk mengumpulkan lebih banyak data amplitudo dari sampel mereka, yang membutuhkan waktu lebih lama. Tetapi rekonstruksi aktual dari data itu juga membutuhkan waktu. Di sinilah PtychoNN masuk. Menggunakan teknik AI, para peneliti menunjukkan bahwa komputer dapat diajarkan untuk memprediksi dan merekonstruksi gambar dari data sinar-X dan dapat melakukannya 300 kali lebih cepat daripada metode tradisional. Lebih dari itu, PtychoNN mampu mempercepat proses di kedua ujungnya.
