使用神经网络进行更快的 X 射线成像
科学家们已经展示了使用人工智能 (AI) 来加快从相干 X 射线散射数据重建图像的过程。传统的 X 射线成像技术（如医学 X 射线图像）在它们可以提供的细节量方面受到限制。这导致了相干 X 射线成像方法的发展，该方法能够以几纳米或更小的分辨率从材料深处提供图像。这些技术通过将光束从样品上衍射或散射到探测器上而无需透镜即可生成 X 射线图像。
这些探测器捕获的数据具有重建高保真图像所需的所有信息，计算科学家可以使用先进的算法来做到这一点。然后，这些图像可以帮助科学家设计更好的电池，制造更耐用的材料，并开发更好的药物和疾病治疗方法。
使用计算机从连贯的散射 X 射线数据中组装图像的过程称为 ptychography，该团队使用神经网络学习如何将这些数据提取成连贯的形式——因此这项创新的名称是：PtychoNN。
当 X 射线束照射样品时，光线会发生衍射和散射，样品周围的检测器会收集该光线。然后由科学家将这些数据转化为可以使用的信息。然而，挑战在于，虽然 X 射线束中的光子携带两条信息——光束的幅度或亮度，以及光束通过样品时的相位或变化程度——但探测器仅捕获一个。由于检测器只能检测幅度而不能检测相位，因此所有信息都丢失了，因此必须对其进行重建。
这是可以做到的，但这个过程比科学家想要的要慢。部分挑战在于数据采集端。为了从相干衍射成像实验中重建相位数据，当前的算法要求科学家从他们的样本中收集更多的振幅数据，这需要更长的时间。但是从这些数据中实际重建也需要一些时间。这就是 PtychoNN 的用武之地。使用人工智能技术，研究人员证明了计算机可以被教导从 X 射线数据中预测和重建图像，并且可以比传统方法快 300 倍。不仅如此，PtychoNN 还能够在两端加快进程。
传感器