Американские ученые разработали и протестировали модель машинного обучения для распознавания характеристик кристаллической структуры образцов (тип решетки Браве и кристаллографическую группу) по изображениям дифракционных картин, полученных методом дифракции отраженных электронов.

Обе из использованных нейросетей оказались способны точно (более 90 процентов) определять эти параметры. Результаты исследования опубликованы в журнале Science.

Кристаллическая структура материала сильно влияет на его свойства, поэтому определение структуры белков, микро- и макромолекул, фармацевтических препаратов, новых материалов и геологических объектов очень важно. Наиболее часто для решения сложных задач определения параметров решетки, симметрии кристаллов и фаз используют либо метод дифракции рентгеновского излучения, либо дифракции электронов конвергентного пучка.

Одним из более удобных методов определения структуры кристаллических материалов и геологических объектов становится метод дифракции отраженных электронов, совмещенный со сканирующим электронным микроскопом. Он не требует такой сложной подготовки проб, как методы, использующие просвечивающий электронный микроскоп, и позволяет анализировать большие области образца за меньшее время. Это делает его удобным для изучения ориентаций с высокой точностью (до двух градусов), разрешением углов до двух десятых градуса и пространственным разрешением около 40 нанометров.

Разработка методов автоматизации обработки изображений в девяностых годах ускорила анализ и позволила использовать метод для более сложных и трудоемких задач, однако все равно обработка данных требует временных затрат. Часто метод применяется для определения фаз и ориентаций в образцах с несколькими фазами. Исследователь выбирает фазы, которые предположительно есть в образце, и программа ищет наиболее подходящие на экспериментально полученной дифракционной картине. В отличие от просвечивающей микроскопии или метода рентгеновской дифракции, дифракция отраженных электронов позволяет увидеть несколько фаз в пространственном разрешении, однако метод ограничен необходимостью задавать фазы, которые присутствуют в образце, а они не всегда известны заранее.

Кевин Кауфманн (Kevin Kaufmann) с коллегами из Калифорнийского университета в Сан-Диего разработали алгоритм машинного обучения, способный определять параметры кристаллической структуры образца (решетку Браве или кристаллографическую группу) по дифракционным картинам, полученным методом дифракции отраженных электронов.