Zastanawiałeś się kiedyś, jak by to było, gdyby mikroskop mógł „czytać” próbki jak ludzie książki? Naukowcy z Argonne National Laboratory zdecydowanie tak. Dzięki wykorzystaniu sztucznej inteligencji, wprowadzili do mikroskopii prawdziwą rewolucję.
Zbieraj dane jak ekspert bez ludzkiej ingerencji
Tradycyjna mikroskopia to żmudne skanowanie próbki kawałek po kawałku. Teraz wyobraź sobie, że masz mikroskop z wbudowanym AI, który potrafi wskazać, które fragmenty są naprawdę interesujące. Dokładnie tak działa ta nowa technika.
Zamiast marnować czas na analizowanie każdej części, system skupia się na najważniejszych obszarach, które dostarczą najwięcej informacji. Charudatta Phatak, jeden z autorów badania, zwraca uwagę na fakt, że większość danych o próbce pochodzi właśnie z tych miejsc, gdzie występują nieregularności i granice.
Algorytm rozpoczyna skanowanie od wybranych losowo punktów na próbce, zbiera dane i jednocześnie przewiduje kolejne o potencjalnym zainteresowaniu. To umożliwia szybszą pracę bez konieczności ingerencji człowieka.
Saugat Kandel, jeden z badaczy, podkreśla, że usunięcie czynnika ludzkiego z procesu przewidywania przyspiesza eksperyment. Co więcej, dzięki tej technologii, badania mikroskopowe stają się bardziej dostępne. Wcześniej tylko nieliczni specjaliści byli w stanie efektywnie prowadzić tak zaawansowane eksperymenty.
W miejscach, takich jak Advanced Photon Source w Argonne, gdzie czas na korzystanie z urządzenia jest cennym zasobem, nowa metoda jest nieoceniona. Dzięki jego skróceniu naukowcy mogą przeprowadzać więcej eksperymentów w określonym terminie.
Zastosowanie w różnych dziedzinach mikroskopii
Co ciekawe, model sztucznej inteligencji nie wymaga specjalistycznego szkolenia. Potrafi on samodzielnie rozpoznawać interesujące obszary na podstawie ogólnych obrazów. Ta technika może być stosowana w różnych rodzajach mikroskopów, od mikroskopii rentgenowskiej, przez elektronową, po mikroskopię atomową.
Takie podejście otwiera nowe możliwości dla nauki. Szybsze skanowanie i ekstrakcja kluczowych informacji pozwalają naukowcom wnikać w skomplikowany świat materiałów i zdobywać wiedzę, która wcześniej była nieosiągalna.
Opisane badania zostały opublikowane w Nature Communications i mają potencjał wpłynąć na przyszłość wielu dziedzin nauki.
