Novi algoritam tomografske rekonstrukcije postavlja svetski rekord

Novi algoritam tomografske rekonstrukcije postavlja svetski rekord

Napredna sinhrotronska tomografija je kritično istraživačko sredstvo, omogućavajući naučnicima da istražuju zamršene strukture objekata u izuzetno visokoj rezoluciji. Pošto ova tehnika omogućava istraživačima da snime dinamiku u realnom vremenu, ona može da uhvati tekuće promene u živim organizmima (ćelijski pokreti i dinamika tečnosti) za medicinska istraživanja i u materijalima, kao što je posmatranje formiranja dendrita u baterijama kako bi se razumeli uzroci smanjenja kapaciteta i eventualni neuspeh.

Ključ za ovaj detaljan pogled je da se tomografija ne oslanja samo na jednu rendgensku sliku; umesto toga, više slika se snima iz različitih uglova. Ove slike se zatim unose u računar, gde ih matematički algoritmi kombinuju da bi proizveli trodimenzionalni (3D) digitalni prikaz koji otkriva neverovatno detaljan pogled na unutrašnju strukturu objekta.

Međutim, u mnogim slučajevima, broj slika koje se mogu prikupiti je veoma ograničen. Na primer, prikupljanje dovoljno slika iz uzorka koji se brzo razvija može biti izazovno pre nego što promeni oblik.

Rekonstrukcija strukture na osnovu ovako ograničenih podataka je moguća samo ako su u analizu podataka uključene dodatne poznate osobine uzorka. Nažalost, modeliranje ovih svojstava uzorka je često računarski veoma intenzivno i može zahtevati opsežne računarske resurse koji možda neće biti lako dostupni istraživačima.

Da bi se suočio sa ovim izazovom, tim iz Centra za naprednu matematiku za aplikacije istraživanja energije (CAMERA) Nacionalne laboratorije Lorens Berkli (Berkelei Lab), koji se sastoji od projektnog naučnika Dineša Kumara i naučnika osoblja Džefrija Donatelija iz Odeljenja za primenjenu matematiku i računarska istraživanja (AMCR). ) i naučnik osoblja Dula Parkinson iz ustanove Advanced Light Source, nedavno su razvili novi algoritam rekonstrukcije, TomoCAM, koji koristi napredne matematičke tehnike i računarstvo zasnovano na GPU-u.

Rad sa detaljima o TomoCAM-u objavljen je u Journal of Sinchrotron Radiation, gde je pokazano da je postavio novi svetski rekord nadmašivši brzinu postojećih najsavremenijih algoritama iterativne tomografske rekonstrukcije.

Prema Kumaru, glavnom autoru rada, eksperimentalisti obično koriste metode direktne aproksimacije, kao što su projekcije sa filterom unazad (FPB), da urade svoje tomografske rekonstrukcije. Međutim, ove metode direktne aproksimacije često dovode do rekonstrukcija niskog kvaliteta u mnogim eksperimentima gde se uzorci razvijaju, podložni su oštećenju zračenja ili eksperimentalna geometrija ograničava sticanje dovoljnih pogleda.

Alternativno, metode iterativne rekonstrukcije zasnovane na modelu (MBIR) mogu dobiti mnogo kvalitetnije rekonstrukcije iz ograničenih i bučnih podataka. MBIR kombinuje matematički model tomografskog procesa sa obrazovanim pretpostavkama o uzorku da bi postavio iterativni proces.

Počevši od početnog nagađanja, simulirani model uzorka se postepeno poboljšava kako bi se istovremeno poklapao sa rendgenskim merenjima prikupljenim tokom eksperimenta i zadovoljio pretpostavke uzorka. Međutim, usvajanje MBIR-a je ograničeno zbog značajnih računarskih resursa koje zahtevaju konvencionalne implementacije.

TomoCAM prevazilazi ova ograničenja troškova računanja preformulisanjem osnovnih operatora u MBIR-u u smislu Furijeovih koeficijenata uzorka, koji opisuju osnovne frekvencije gustine uzorka, slično pojedinačnim notama koje čine muzičko delo.

Ovi Furijeovi koeficijenti se mogu veoma efikasno izračunati korišćenjem neuniformnog algoritma brze Furijeove transformacije (NUFFT), koji omogućava da se MBIR operatori u TomoCAM-u izračunavaju znatno brže od tradicionalnih metoda. Pored toga, TomoCAM koristi napredne strategije ubrzanja GPU-a koje optimizuju strimovanje podataka u GPU memoriju.

Ove inovacije omogućavaju TomoCAM-u da izvrši MBIR za delić vremena u poređenju sa tradicionalnim MBIR kodovima dok zahteva samo skromne i opšte dostupne računarske resurse. Štaviše, TomoCAM ima Pithon front-end, koji omogućava pristup iz Jupiter-baziranih okvira, omogućavajući jednostavnu integraciju u postojeće tokove rada u sinhrotronskim objektima.

„Za naučnike zaista može da napravi razliku da vide ove visokokvalitetne rezultate iz MBIR-a tako brzo“, rekao je Dula Parkinson, glavni naučnik za mikrotomografiju u ALS-u.

„TomoCAM omogućava ljudima da vide rezultate iz MBIR-a jer prikupljaju podatke mnogo lakše. Ovo im omogućava da osiguraju da je kombinacija eksperimentalnih i parametara analize ispravna, a ne da se nadaju najboljem i kasnije pronalaze probleme. I omogućava im da vide fini detalji koji mogu jasnije voditi njihove odluke o njihovom eksperimentalnom planu.“

„Lepota primenjene matematike je u tome što često može da dovede do značajnih poboljšanja performansi koja nisu moguća samo pomoću računara visokih performansi“, rekao je Džefri Donateli, vođa Grupe za matematiku za analizu eksperimentalnih podataka i zamenik direktora CAMERA. „Iskorišćavanjem matematičke strukture problema, TomoCAM može značajno ubrzati proces tomografske inverzije.“

TomoCAM je dostupan svim istraživačima pod licencom otvorenog koda. Kumar je rekao da se sve više koristi u ALS-u, a Nacionalni sinhrotronski izvor svetlosti II u Nacionalnoj laboratoriji u Bruhejvenu radi na uključivanju TomoCAM-a u njihov sistem toka rada.

Ovo pruža zajednici nauke o materijalima sredstva da proširi obim tomografskih merenja ka sve više in situ i in operando merenjima, gde se uzorci često brzo razvijaju i imaju složenu geometriju — jedan primer je istraživanje lomova i propadanja kompozita keramičke matrice. , koji su novi lagani materijali koji se koriste u mlaznim motorima koji rade pod visokim temperaturama i pritiskom.

TomoCAM je proizvod koji se stalno razvija. „Tražimo nove načine da dodatno ubrzamo i automatizujemo proces tomografske rekonstrukcije korišćenjem dodatnih matematičkih struktura problema i istraživanjem novih hibridnih metoda koje koriste modele mašinskog učenja“, rekao je Kumar.

„Krajnji cilj je smanjiti ulaznu barijeru, ubrzati konvergenciju i pojednostaviti upotrebu MBIR-a, omogućavajući naučnicima da se fokusiraju na izvođenje složenih eksperimenata bez brige o procesu rekonstrukcije.“