(Noticias de Nanowerk) Los pulsos ultrarrápidos de los láseres de rayos X muestran cómo se mueven los átomos en escalas de tiempo de femtosegundos. Eso es una milmillonésima de segundo. Sin embargo, medir las propiedades de las legumbres en sí es un desafío. Si bien es fácil determinar la fuerza máxima o «amplitud» de un pulso, el momento en que el pulso alcanza el máximo o «fase» a menudo permanece oscuro.
Un nuevo estudio entrena redes neuronales para analizar el pulso y descubrir estos subcomponentes ocultos (Óptica Express«Recuperación de la fase y amplitud de pulsos FEL de rayos X utilizando redes neuronales y modelos diferenciables»).
Los físicos también llaman a estos subcomponentes «reales» e «imaginarios». A partir de mediciones de baja resolución, las redes neuronales revelan detalles más finos con cada pulso y pueden analizar pulsos millones de veces más rápido que los métodos anteriores.
El nuevo método de análisis es hasta tres veces más preciso y un millón de veces más rápido que los métodos anteriores. Conocer los componentes de cada pulso de rayos X conduce a datos mejores y más nítidos. Esto ampliará la ciencia posible con láseres de rayos X ultrarrápidos, incluida la investigación fundamental en química, física y ciencia de materiales y aplicaciones en áreas como la computación cuántica.
Por ejemplo, la información de pulso adicional podría permitir experimentos más simples y resueltos en el tiempo con una resolución más alta, abriendo nuevas áreas de la física y abriendo la puerta a nuevas investigaciones de la mecánica cuántica.
El enfoque de red neuronal utilizado aquí también podría tener amplias aplicaciones en la ciencia de rayos X y aceleradores, incluido el aprendizaje de la forma de las proteínas o las propiedades de un haz de electrones.
Las caracterizaciones de la dinámica del sistema son aplicaciones importantes para los láseres de electrones libres de rayos X (XFEL), pero medir las propiedades en el dominio del tiempo de los pulsos de rayos X utilizados en estos experimentos es un desafío de larga data. El diagnóstico de las propiedades de cada pulso XFEL individual podría permitir una nueva clase de experimentos dinámicos más simples y potencialmente de alta resolución.
Esta investigación realizada por científicos del SLAC National Accelerator Laboratory y Deutscheselektronen-Synchrotron es un paso hacia ese objetivo. El nuevo enfoque entrena redes neuronales, una forma de aprendizaje automático, para combinar mediciones de baja resolución en los dominios de tiempo y frecuencia y recuperar las propiedades de los pulsos de rayos X de alta resolución.
La arquitectura de red neuronal «informada por la física» basada en modelos se puede entrenar directamente con datos experimentales sin etiquetar y es lo suficientemente rápida para el análisis en tiempo real en XFEL de megahercios de nueva generación.
Fundamentalmente, el método también recupera la fase, abriendo la puerta a experimentos de control coherentes que utilizan XFEL y dan forma al intrincado movimiento de electrones en moléculas y sistemas de materia condensada.
