[ad_1]
(noticias nanowerk) Los investigadores han desarrollado un nuevo paquete de software para analizar imágenes de microscopía electrónica y de sonda de barrido. El paquete AtomAI utiliza aprendizaje profundo. Este es un tipo de aprendizaje automático que permite que un programa se entrene para identificar con precisión el contenido de una imagen o bloque de texto.
Los resultados se publicarán en inteligencia artificial natural («Marco AtomAI para el análisis de aprendizaje profundo de datos de imágenes y espectroscopia en microscopía electrónica y de sonda de barrido»).
Los modelos de aprendizaje profundo aprenden automáticamente funciones relevantes utilizando una red de «neuronas» en capas. Inspiradas en las neuronas biológicas, estas neuronas artificiales sirven como nodos a través de los cuales fluyen los datos y la computación. Están capacitados para reconocer diferentes aspectos de una imagen en diferentes niveles de complejidad.
Esto le da a AtomAI una mayor precisión que el aprendizaje automático tradicional y la capacidad de analizar una gama más amplia de información.
Utilizando microscopía electrónica y de sonda de barrido, los científicos pueden desarrollar materiales a nanoescala. Estas técnicas ayudan a los científicos a estudiar la estructura de un material y sus propiedades funcionales.
El paquete AtomAI aplica el aprendizaje profundo a datos de microscopía con resolución atómica. Esto proporciona información física cuantificable, como la ubicación precisa y la naturaleza de cada átomo en una muestra. AtomAI también permite a los investigadores realizar análisis de datos en tiempo real. El paquete puede importar esta información directamente a simulaciones teóricas para obtener más información sobre la estructura de un material.
AtomAI, desarrollado en parte en el Centro de Ciencia de Materiales Nanofásicos del Laboratorio Nacional Oak Ridge (ORNL), es un paquete de software de análisis de imágenes de un extremo a otro. El paquete incluye una arquitectura de modelo única para identificar objetos delgados como nanofibras o paredes de dominio (las interfaces que separan los dominios magnéticos) en datos de microscopía.
El paquete de software también está diseñado para reducir los errores de procesamiento de imágenes al tener en cuenta cambios no deseados en los datos de la imagen, como rayos cósmicos incidentes o imágenes de materiales no objetivo, e incorporar ciertas propiedades físicas invariantes en el modelo.
Los microscopios electrónicos y de sonda de barrido se han convertido en herramientas importantes en la física de la materia condensada, la ciencia de los materiales y la investigación química. Sin embargo, los investigadores carecían de la infraestructura necesaria para establecer conexiones integrales entre las observaciones microscópicas y el comportamiento de los materiales. AtomAI tiene como objetivo ayudar a cerrar esta brecha.
[ad_2]