Сложный контроль: ИИ поможет создать приборы для досмотра кораблей и реакторов
Как новая разработка позволит улучшить исследовательскую технику
EN
Российские ученые разработали новаторский метод поиска веществ, которые преобразуют рентгеновское излучение в видимое. Свое открытие они сделали на основе алгоритмов ИИ. Эти соединения применяют в рентгено-телевизионной технике в качестве материалов, которые улавливают пропущенное через объекты излучение. Предложенная методика поможет создать крупногабаритное оборудование такого рода, которое позволит исследовать внутреннюю структуру больших объектов. Например, кораблей, автобусов, вагонов метро, атомных реакторов, подводных лодок.
Как устроены приборы досмотра
Исследователи из Сибирского федерального университета, Института физики имени Л.В. Киренского Красноярского научного центра СО РАН и Южно-китайского технологического университета на основе алгоритмов искусственного интеллекта разработали инновационный метод поиска веществ, которые эффективно преобразуют рентгеновское излучение в видимое. Работа выполнена по совместному российско-китайскому гранту Российского научного фонда.
Как объяснили ученые, такие соединения называют сцинтилляторы. Они поглощают ионизирующее излучение (например, рентген, гамма-кванты, альфа-частицы) и излучают свет в оптическом диапазоне. Такие свойства востребованы, к примеру, для регистрации излучения, пропущенного сквозь светопроводящие объекты.
В частности, в рентгено-телевизионной технике, предназначенной для изучения внутренней структуры материалов, диагностики органов людей и животных или выявления скрытого содержания грузов. Методика, предложенная учеными, позволит выявлять вещества, которые помогут создавать просвечивающую технику в широком диапазоне форм и размеров.
— Физика не развивалась бы без сцинтилляторов, потому что невидимое излучение надо как-то визуализировать. В настоящее время для этих целей существует развитая линейка приборов среднего класса. Для них выращивают специальные монокристаллы-сцинтилляторы. Однако есть потребность в создании и более крупного просвечивающего оборудования, — рассказал «Известиям» разработчик методики, доцент базовой кафедры физики твердого тела и нанотехнологий СФУ и старший научный сотрудник лаборатории кристаллофизики ИФ СО РАН Максим Молокеев.
Он объяснил, что такое оборудование нужно, чтобы выявлять дефекты внутренней структуры самолетов, вагонов поездов, кораблей, подлодок, атомных реакторов и другой крупногабаритной техники. Вырастить кристаллы для устройств такого размера невозможно, поэтому следует разрабатывать другие подходы.
Как ИИ помогает открывать новые материалы
Перспективное направление для поиска сцинтилляторов — это металлорганические соединения, объяснил Максим Молокеев. Они содержат как ионы металлов, так и органические молекулы. Химики уже разработали ряд эффективных металлоорганических соединений, которые успешно применяют на практике. При этом для синтеза приходится полагаться больше на интуицию, чем на систематический анализ данных.
— Мы первая группа, которая с помощью искусственного интеллекта показала методы, позволяющие находить такие соединения. Причем, поскольку статистики недостаточно, были задействованы нестандартные способы подготовки данных для машинного обучения, — сообщил Максим Молокеев.
В частности, объяснил он, была выдвинута гипотеза, что высокой яркости излучения способствует определенное расстояние между атомами металлов. На следующем шаге ученые собрали базу из 296 открытых металлоорганических соединений с известными расстояниями между металлами и использовали ее для обучения ИИ. Затем программа применила выявленные зависимости для поиска новых соединений. Таким образом, решение задачи было выполнено на большом объеме данных, что повысило надежность прогноза.
В заключение исследователи протестировали полученные правила и алгоритм и нашли пять перспективных соединений-сцинтилляторов. Одно из них синтезировал профессор кафедры физической и неорганической химии СФУ Николай Головнев, еще четыре получили в Южно-Китайском технологическом университете в Гуанчжоу. Все полученные соединения показали хорошие характеристики и оказались пригодными для приборостроения. В частности, и по разрешающей способности, и по интенсивности свечения они соответствуют требованиям для производства медицинского оборудования, принятым во всем мире.
Открытое использование разработок
Полученные составы, рассказал Максим Молокеев, представляют собой порошкообразные вещества, которые легко наносятся на поверхности. Один из них ученые применили, чтобы сделать опытный дефектоскоп для проверки электрических устройств. В ходе испытаний специалисты просветили рентгеном USB-разъем с корпусом, залитым пластмассой, и на пластине, покрытой сцинтиллятором, детально рассмотрели изображение его внутренней структуры — системы проводов и металлических компонентов.
— Мы предложили новый подход к использованию машинного обучения в материаловедении. В дальнейшем, расширяя эти инструменты, можно предсказывать новые материалы с уникальными свойствами в различных отраслях. В частности, разработанный метод поможет найти сцинтилляторы и для других приложений. Например, для микроскопических просвечивающих устройств, которые помогут исследовать труднодоступные области организмов или искусственных механизмов, — полагает специалист.
Он отметил, что предложенная методика носит открытый характер и любой исследователь может свободно использовать ее для своих разработок и научных изысканий.
— Методы ИИ разрабатывают для предсказания структуры, состава и свойств новых соединений и материалов. При этом большое значение имеют работы, которые позволяют выявить скрытые закономерности и дополнить химическую интуицию исследователя и приводят к синтезу новых соединений с полезными функциональными свойствами, — сказал «Известиям» старший научный сотрудник группы «Дизайн новых материалов» Института AIRI Алексей Коровин.
При этом он отметил, что существенный вызов связан с ограниченностью экспериментальных выборок при одновременной сложности химического пространства. Поэтому для построения эффективных моделей желательно заранее корректно формулировать задачу, что позволит точнее выбрать подходящие алгоритмы, проводить модельный и экспериментальный сбор данных, а также валидировать результаты.
— Поскольку наборы данных небольшие, ключевой в предложенной методике скорее выступает интуиция исследователя: как он собрал и подготовил данные, какие ограничения заложил на этапах обучения и поиска, а не сам подход, — считает руководитель проектов Лаборатории гибридных информационных систем Московского физико-технического института Алексей Самосюк.
По его словам, предлагаемое решение — стандартный подход. Аналогично делают, например, в биологии для поиска новых лекарств — нейронную сеть обучают на данных об известных соединениях, а затем идёт поиск похожих структур. Зачастую с дополнительными ограничениями на поиск.
По словам профессора Центра ИИ Сколтеха Николая Бриллиантова, предложенный подход иллюстрирует, насколько методы искусственного интеллекта способны ускорять разработку новых функциональных материалов и снижать затраты на исследования, даже если сам подход уже перестал быть чем-то принципиально новым.
— Сейчас это уже становится более-менее рутинным подходом. В работе ученых предложено очередное применение методов искусственного интеллекта в материаловедении, в данном случае для предсказания структуры фотолюминесцентных материалов, — прокомментировал эксперт.
Он подчеркнул, что исследователи использовали небольшой, но тщательно отобранный массив экспериментальных данных, чтобы обучить алгоритм выявлять закономерности между структурными параметрами (расстояниями между металлическими ионами) и эффективностью свечения. Результаты работы ИИ проверили и подтвердили на практике: выделенные соединения продемонстрировали высокую яркость излучения.
