數週縮至即時！阿貢國家實驗室推 AI 工具「DONUT」，X 光分析提速數百倍
美國能源部阿貢國家實驗室（Argonne National Laboratory）11 日宣布，開發出名為 DONUT 的機器學習工具，可在先進光子源（APS）實驗進行時即時分析 X 光數據，將需數週甚至數月的處理時間，大幅縮短到近乎即時，最快可比傳統方法快數百倍。
DONUT 全名為 Diffraction with Optics for Nanobeam by Unsupervised Training，是能做物理感測的神經網路。以 APS 與奈米程度材料中心（CNM）共享的硬 X 光奈米探針光束線資料開發測試，主要解讀掃描式 X 光奈米繞射顯微術（SXDM）產生的複雜影像，協助研究員看見材料在奈米程度的內部結構。
團隊指出，SXDM 對電池、催化劑與先進電子與磁性元件等材料研究相當重要，但資料層次多、維度複雜，過去多仰賴人工比對量測與模擬圖樣，不僅耗時，也容易出錯。DONUT 特點在不需先由專家建立標註資料，就能直接從實驗數據學習，讓使用者可在實驗開始後就訓練模型，甚至實驗進行中調整預測目標。
阿貢與康乃爾大學的助理計算科學家 Aileen Luo 表示，這項工具讓研究員能在材料實驗展開的同時掌握變化，不必再等數週才知道結果，能更快判斷並提高實驗效率。阿貢計算科學家兼團隊主管 Mathew Cherukara 也指出，DONUT 的彈性與可客製化特性，讓它能因應不同科學問題快速調整。
這項即時分析能力也為 APS 的自動化與「自駕式」研究鋪路，系統可根據最新結果自動決定下一步實驗，特別適合需快速回應的動態材料研究。升級後 APS 提供更亮 X 光束並以更高速度產生資料，DONUT 被視為協助研究人員跟上資料洪流、降低新使用者門檻的重要工具，尤其對研究生與訪問學者更具幫助。
團隊已把 DONUT 應用從即時分析延伸到實驗自動化，並探索其他高階成像技術的可行性。論文已發表於《npj Computational Materials》期刊。
（首圖來源：AI /Argonne National Laboratory）