阿貢實驗室利用人工智能加速先進光子源的化學分析

人工智能（AI）正在對科學的幾乎每一個分支進行變革。美國能源部（DOE）阿貢國家實驗室的研究人員正走在這一變革的前沿。

"如今媒體對AI有很多炒作。"阿貢先進光子源（APS）的計算科學家和組長Mathew Cherukara說。APS是美國能源部科學辦公室的用戶設施。"但毫無疑問，AI可以幫助APS和其他光源的研究人員在對美國工業至關重要的先進化學工藝方面取得突破。"

作為佐證，阿貢團隊開發了一種AI引導的方法，能夠大幅加速一種廣泛使用的X射線技術——X射線吸收近邊結構（XANES）光譜分析。這種方法同時大大降低了人為錯誤或X射線束對樣品造成損害的風險。

這種強大的分析工具能夠揭示對現代生活至關重要的材料內部的隱藏化學特性，如電池、催化劑以及電能夠無阻力流動的材料。團隊的AI方法將此前所需的測量次數減少了多達80%，而且沒有損失精度。大幅縮短了數據采集時間，使研究人員能夠實時捕捉快速的化學變化。

XANES是這樣工作的：科學家將能量遞增的X射線束照射到材料上。每一束X射線都是一個微小的能量包。當能量高到足以將緊密結合的電子從原子中擊出時，材料會突然吸收更多的X射線。這種吸收的急劇躍升被稱為吸收邊緣。通過追蹤在這個邊緣之前、期間和之后的X射線吸收變化，研究人員可以觀察特定元素在材料內部的化學變化——從金屬催化劑與其他化學物質的反應，到電池元件在循環過程中電荷狀態的變化。

"XANES非常強大，但直到現在，科學家不得不就測量的位置和在每個X射線能量水平上測量多久做出幾十甚至幾百個選擇，"APS物理學家和組長Shelly Kelly說。

X射線能量的某些區域富含化學信息，需要進行大量測量。其他區域則不是，意味著所需的測量要少得多。"實驗者往往不容易設定在給定能量區域進行測量的最佳數量，"Kelly說。"AI正在幫助我們消除XANES的猜測工作。"

團隊的新方法用AI算法替代了手動測量過程，該算法自動選擇最有用的測量點。算法識別吸收邊緣可能發生的位置、哪些區域包含最多的化學細節以及哪些區域提供很少的額外信息。

"我們的AI方法只在需要的地方進行測量，"計算科學家和論文第一作者Ming Du說。"它更智能、更快、更高效，讓研究人員能夠專注于大局。"

該系統還實現了一些新功能：AI指導的實驗。通過將樣品的演進光譜與已知的起始和結束狀態（例如，完全充電的電極與完全放電的電極）進行比較，AI可以實時告訴研究人員化學進展的狀態、何時收集了足夠的信息、以及何時該繼續下一步。

"這不僅僅是加速測量，"Kelly說。"這是在實驗過程中做出決策——以前是人類做的決策。"

這項工作指向了一個未來，X射線光束線（如APS的那些）更加自主，能夠更好地跟蹤復雜的化學反應。"這讓我們更接近能夠充分利用每個光子的智能X射線站，"Cherukara說。"阿貢計劃繼續為下一代X射線科學開發AI驅動的工具，特別是隨著升級后的APS提供比以前亮500倍的光束。"