Messzeit optimiert
Neutronen ermöglichen einzigartige Einblicke in die Struktur und Dynamik von Materie. Dafür sind Großforschungsanlagen notwendig, entweder Forschungsreaktoren wie der FRM II oder bestimmte Teilchenbeschleuniger. Die Zahl der verfügbaren Anlagen in Europa deckt seit Jahren nicht den Bedarf der Forschung ab. Messzeit mit Neutronen ist somit knapp und wertvoll. Verfahren zur Effizienzsteigerung können helfen, die vorhandenen Kapazitäten besser zu nutzen und die entstehenden Lücken zu verkleinern. „Der Algorithmus optimiert die Verwendung der zur Verfügung stehenden Messzeit, insbesondere zu Beginn eines Experiments“, sagt der Mathematiker Mario Teixeira Parente.
Kern des selbstlernenden Algorithmus ist eine mathematische Verteilung, die Gauß-Kurve. Sie beschreibt eine statistische Verteilung von Daten in Form einer Glockenkurve. Die Forschenden nutzen diese, um gezielt Bereiche mit informativen Signalen zu finden. Weitere mathematische „Tricks“ erlauben, Bereiche mit sowohl starken als auch schwachen Signalen zu identifizieren und sie von Rauschsignalen zu unterscheiden.
Test im realen Experiment bestanden
Die Forschenden demonstrierten die Vorteile ihres Ansatzes an realen Neutronenexperimenten am PSI und Institut Laue-Langevin (ILL) in Frankreich, an bereits gemessenen sowie an zahlreichen künstlichen Datensätzen. Sie zeigten hier an praxisrelevanten Beispielen und realistischen Szenarien, dass die verfügbare Messzeit damit effizienter im Vergleich zu bestimmten bisherigen Methoden genutzt wird. Einer Anwendung an weiteren Drei-Achsen-Spektrometern steht also nichts mehr im Wege.
Original text: Angela Wenzik, Forschungszentrum Jülich
Originalpublikationen:
Mario Teixeira Parente, Georg Brandl, Christian Franz, Uwe Stuhr, Marina Ganeva, Astrid Schneidewind
Active learning-assisted neutron spectroscopy with log-Gaussian processes.
Nat Commun 14, 2246 (2023).
doi: 10.1038/s41467-023-37418-8
Mario Teixeira Parente
Behind the Paper: Towards AI-assisted neutron spectroscopy
Physics, 20. April 2023.
Mehr Informationen:
An der Entwicklung des Algorithmus und den Messungen beteiligt waren neben den Wissenschaftlerinnen und Wissenschaftlern des Forschungszentrums Jülich auch Forschende des Paul Scherrer Instituts. Diese Arbeit wurde unterstützt durch das Projekt Artificial Intelligence für Neutronen- und Röntgenstreuung (AINX), das von der Helmholtz-KI Kooperationseinheit der Helmholtz-Gemeinschaft gefördert wird.
Kontakt:
Dr. Mario Teixeira Parente
Forschungszentrum Jülich
Data Driven Discovery
Außenstelle am Heinz Maier-Leibnitz Zentrum
Tel: +49 (0)89 158860-657
E-Mail: m.teixeira.parente(at)fz-juelich.de
