Het nieuwe computersysteem kan meer dan alleen afbeeldingen reconstrueren op basis van een verscheidenheid aan röntgengegevens
In een artikel gepubliceerd in het tijdschriftApplied Physics Letters, een groep computerwetenschappers uitHet Amerikaanse Department of Energy (DOE) van het Argonne National Laboratory heeft het gebruik van kunstmatige intelligentie (AI) aangetoond om het proces van beeldreconstructie te versnellen op basis van coherente röntgenverstrooiingsgegevens.
PtychoNN gebruikt kunstmatigeintelligentie om zowel amplitude als fase te herstellen uit röntgengegevens, waardoor beelden worden verkregen die wetenschappers kunnen gebruiken. Krediet: Matthew Cherukara / Argonne National Laboratory
Het proces waarbij computers worden gebruikt ombeelden van coherente verstrooide röntgengegevens worden ptycografie genoemd. Wetenschappers hebben een neuraal netwerk gebruikt dat leert deze gegevens om te zetten in een consistente vorm. Vandaar de naam van hun innovatie: PtychoNN.
Met behulp van kunstmatige intelligentiemethoden,een team van onderzoekers heeft aangetoond dat computers kunnen worden geleerd beelden te voorspellen en te reconstrueren op basis van röntgengegevens, en dat ze dit 300 keer sneller kunnen doen dan de traditionele methode.
Het is vermeldenswaard dat het team, in plaats van gesimuleerde beelden te gebruiken om het neurale netwerk te trainen, echte röntgengegevens gebruikte.
Lees verder
Onderzoek: mensen zullen geen superintelligente AI-machines kunnen besturen
Abortus en wetenschap: wat gebeurt er met de kinderen die zullen bevallen
Bekijk de mooiste foto's van Hubble. Wat heeft de telescoop in 30 jaar gezien?
Scanning beeldvormende techniekobjecten waarvan de afmetingen veel groter zijn dan de dwarsafmetingen van het brandpunt op het monster. Oorspronkelijk ontwikkeld door Walter Hoppe om het probleem van de inverse fasediffractie van overlappende gebieden van het onderzochte monster op te lossen.
Van de Griekse ptycho - overlappen.