Bitcoin Bitcoin 3.79% $43903.29
3.79%
36945.28 BTC $826354565120.00

Lastre in 3D grazie all’intelligenza artificiale

Lastre in 3D grazie all’intelligenza artificiale

13/09/2021 0 By Redazione

Oggi basta un semplice smartphone per scattare immagini di eccellente qualità, applicare filtri e addirittura manipolarle in frazioni di secondo. Ma se pensiamo a un’immagine tridimensionale, in 3D come si usa dire, ci rendiamo conto che, senza computer a prestazioni elevate, i complessi algoritmi alla base di una immagine 3D possono richiedere tempo. Il problema, poi, fino a ieri sembrava insormontabile se si lavorava con immagini ottenute usando i raggi X, le lastre radiografiche, che per essere elaborate e visualizzate in tre dimensioni richiedono calcoli matematici molto complessi in grado di mettere in crisi anche la potenza di calcolo dei super computer.  Una svolta in questo settore potrebbe avere implicazioni per l’astronomia, la microscopia elettronica e altre aree della scienza che dipendono da grandi quantità di dati 3D. Proprio sull’argomento delle immagini radiografiche 3D hanno, da qualche tempo, intrapreso studi e ricerche gli scienziati dell’Argonne National Laboratory, il principale centro di ricerca del Dipartimento per l’Energia degli Stati Uniti, discendente diretto del Dipartimento di Metallurgia dell’Università di Chicago famoso, a sua volta, per essere stato parte integrante del Progetto Manhattan dove Enrico Fermi realizzò la prima reazione di fissione controllata.

L’intelligenza artificiale al servizio della radiografia 3D

L’approccio al problema è racchiuso nelle parole di Mathew Cherukara del Laboratorio Nazionale Argonne: “Per sfruttare appieno ciò di cui sarà capace l’APS (Advanced Photon Source) aggiornato, dobbiamo reinventare l’analisi dei dati. I nostri metodi attuali non sono sufficienti per tenere il passo. L’apprendimento automatico può sfruttare appieno e andare oltre ciò che è attualmente possibile”. Inutile dire che quando si parla di “apprendimento automatico” in informatica si fa riferimento all’Intelligenza artificiale e alle reti neurali, i due settori della scienza informatica in continua evoluzione e di attualità. Infatti Il team di ricerca, che comprende scienziati di tre divisioni Argonne guidati da Cerukara, ha sviluppato un nuovo frame work computazionale chiamato 3D-CDI-NN dimostrando che si possono creare visualizzazioni 3D dai dati raccolti presso l’APS centinaia di volte più velocemente rispetto ai metodi tradizionali. CDI (coherent diffraction imaging – imaging a diffrazione coerente) è una tecnica a raggi X che prevede il rimbalzo di fasci di raggi X ultra luminosi dai campioni raccolti dai rilevatori come dati ed elaborati per essere trasformati in immagini. Purtroppo i rilevatori acquisiscono solo alcune delle informazioni dai raggi e nei dati mancanti sono spesso presenti informazioni importanti.

Un approccio multidisciplinare

Nelle normali elaborazioni 2D gli scienziati si affidano a complessi algoritmi, che richiedono tempi di elaborazione, per inserire i dati mancanti nelle immagini. Farlo con immagini tridimensionali richiederebbe tempi e potenze di calcolo centinaia di volte maggiori. La soluzione adottata è stata di addestrare un’intelligenza artificiale a riconoscere gli oggetti e le loro microscopiche modifiche direttamente dai dati grezzi senza inserire i dati mancanti.  La sigla NN nel nome del frame work sta, appunto, per rete neurale che è stata addestrata con dati simulati dal CNM (Center for Nanoscale Materials) di Argonne. “Abbiamo utilizzato simulazioni al computer per creare cristalli di diverse forme e dimensioni e li abbiamo convertiti in immagini e schemi di diffrazione affinché la rete neurale potesse apprendere”, ha detto Henry Chan che ha guidato questa parte del lavoro. “La facilità di generare rapidamente molti cristalli realistici per l’addestramento è il vantaggio delle simulazioni. ” Questo lavoro è stato svolto utilizzando le risorse dell’unità di elaborazione grafica presso il Joint Laboratory for System Evaluation di Argonne, che utilizza banchi di prova all’avanguardia per consentire la ricerca su piattaforme e capacità di elaborazione ad alte prestazioni. Contro i due o tre minuti attualmente necessari si potranno ottenere risultati, anche più affidabili, in tempi 500 volte inferiori.