美国阿贡国家实验室推出DONUT工具 加速X射线纳米衍射数据实时分析

美国能源部阿贡国家实验室研究人员开发出一款名为DONUT的新型机器学习工具，用于加快先进光子源(APS)实验中的X射线数据分析。该工具可在实验过程中实时处理扫描X射线纳米衍射显微镜(SXDM)产生的复杂图像，帮助科研人员更快判断材料内部结构变化。

DONUT全称为“基于无监督训练的纳米光束光学衍射”，是一种物理感知神经网络。其特点是把人工智能方法与聚焦X射线束和材料相互作用的物理模型结合起来，可直接从实验数据中学习，不依赖预先标注的训练样本。研究团队表示，这一设计减少了传统数据分析中人工比对测量图谱和模拟图谱的工作量，也降低了新用户使用高端光源设施的门槛。

扫描X射线纳米衍射显微技术能够在纳米尺度揭示材料晶体结构信息，对电池材料、催化剂以及先进电子和磁性器件等研究具有重要作用。但这类实验产生的数据维度高、结构复杂，过去往往需要数周甚至数月才能完成分析。借助DONUT，研究人员可在实验现场获得分析结果，部分情况下速度比传统方法快数百倍，从而及时调整实验方案。

研究人员指出，DONUT的实时分析能力还为自主实验提供了基础。在这类实验中，系统可根据最新数据自动决定后续测量方向，尤其适用于材料在快速变化环境下的原位研究。随着升级后的APS能够产生更高亮度X射线束并以更高速率采集数据，DONUT有助于科研人员跟上数据生成节奏，开展更复杂的动态实验。

目前，研究团队正尝试将DONUT从实时分析进一步拓展到实验自动化，包括面向自主显微镜的新版本开发，并探索其物理感知训练框架在其他先进成像技术中的应用潜力。相关研究成果已发表在《npj计算材料》上。