in

Briser les barrières temporelles grâce à la caméra électronique ultrarapide du SLAC

SciTechDaily

La « caméra électronique » du SLAC permet de révéler certains des processus ultrarapides de la nature. Désormais, des chercheurs de tout le laboratoire ont collaboré pour améliorer cet outil afin de rendre ses films moléculaires encore plus nets, permettant ainsi au SLAC de rester à l'avant-garde des outils pionniers pour la science ultrarapide. Crédit : SLAC

Des chercheurs du SLAC National Accelerator Laboratory ont amélioré les capacités de leur instrument de diffraction d'électrons ultrarapides Megaelectronvolt grâce à deux études.

Une étude a développé une technique pour améliorer la résolution temporelle de la caméra électronique, tandis que l'autre utilisait intelligence artificielle pour adapter le faisceau d'électrons à divers besoins expérimentaux. Ces avancées dans la technologie des faisceaux d'électrons permettent des observations plus précises des réactions chimiques ultrarapides et des comportements des matériaux, contribuant ainsi de manière significative à des domaines tels que la science des matériaux, la chimie et l'information quantique.

Caméra électronique à grande vitesse

Imaginez pouvoir observer le fonctionnement interne d'une réaction chimique ou d'un matériau alors qu'il change et réagit à son environnement : c'est le genre de chose que les chercheurs peuvent faire avec une « caméra électronique » à grande vitesse appelée instrument Megaelectronvolt Ultrafast Electron Diffraction (MeV-UED) à la Linac Coherent Light Source (LCLS) du SLAC National Accelerator Laboratory du département américain de l'énergie.

Désormais, dans deux nouvelles études, des chercheurs du SLAC, de Stanford et d'autres institutions ont découvert comment capturer ces minuscules détails ultra-rapides avec plus de précision. précision et l'efficacité. Dans le premier étuderécemment publié dans Dynamique des structuresune équipe a inventé une technique pour améliorer la résolution temporelle de la caméra électronique. Dans une seconde, publié dans Nature Communicationsles chercheurs ont formé et utilisé l’intelligence artificielle (IA) pour régler le faisceau d’électrons MeV-UED et l’adapter à une variété de besoins expérimentaux.

« Ces effets sont profonds pour faire progresser l'instrumentation et le diagnostic des faisceaux pour les accélérateurs d'électrons du SLAC et permettront de franchir une nouvelle frontière dans l'exploration de nouveaux effets avec une précision sans précédent », a déclaré Mohamed Othman, scientifique associé au SLAC et co-auteur des deux articles.

Importance de la précision du timing dans la science ultrarapide

Les réactions chimiques se produisent rapidement – ​​parfois, des événements clés se produisent en quelques millionièmes de milliardième de seconde, ou femtosecondes. La capture de ces événements femtosecondes est le domaine d’un domaine connu sous le nom d’ultra-rapide science cela nécessite certains des instruments scientifiques les plus avancés au monde – des instruments comme MeV-UED.

Le MeV-UED prend des instantanés en frappant des échantillons avec un faisceau de électrons et enregistrer ce qui se passe dans la matière lorsque les électrons la traversent. Le résultat est un film moléculaire qui permet aux scientifiques d'observer le comportement des molécules et des atomes à des vitesses ultrarapides et d'obtenir des informations sur les processus qui sont essentiels aux solutions énergétiques et aux nouveaux matériaux et médicaments innovants, entre autres.

Précision améliorée grâce à la compression groupée et à l'horodatage

Le problème est que le faisceau MeV-UED est constitué de paquets d’électrons, ou impulsions électroniques, qui peuvent être indisciplinés. Lorsque les impulsions électroniques arrivent sur l’échantillon de matériau, il y a un léger écart dans le temps d’arrivée entre le premier et le dernier électron de l’impulsion. Cet écart de temps, ainsi que les variations de temps entre les impulsions, appelées gigue, rendent difficile de déterminer avec précision le moment où les événements se produisent dans chaque image de la caméra électronique.

L'équipe SLAC a précédemment signalé que l'utilisation térahertz Le rayonnement térahertz, qui se situe entre les micro-ondes et la lumière infrarouge sur le spectre électromagnétique, et l'ajout d'un compresseur dans le MeV-UED ont amélioré la résolution temporelle de l'instrument. Le compresseur utilise le rayonnement térahertz pour raccourcir la propagation temporelle d'une impulsion électronique grâce à une méthode appelée, à juste titre, compression de paquets.

Dans leur quête pour apprivoiser davantage les paquets d'électrons, l'équipe a combiné la compression des paquets avec une autre méthode appelée horodatage : après que l'impulsion interagisse avec l'échantillon et frappe le détecteur, les informations de synchronisation sont codées dans l'image de la caméra électronique. Grâce à un simple tri temporel, les utilisateurs peuvent déterminer plus précisément le timing de chaque image ou du film.

La combinaison de la compression par paquets et de l'horodatage a permis d'augmenter la précision temporelle et de réduire la gigue. « Les chercheurs pourraient utiliser cette technique pour observer des échelles de temps extrêmement rapides, en particulier pour le mouvement atomique dans les matériaux », a déclaré Othman. « Ce microscope atomique peut être utilisé dans les sciences fondamentales : science des matériaux, chimie, énergie verte, information quantique et bien plus encore. Il est essentiel d'atteindre les échelles femtosecondes pour étudier ces domaines scientifiques. »

Le succès de ce prototype a amené la prochaine étape à la construction d’un instrument doté de ces capacités combinées. « Nous essayons de repousser les limites de ce que le MeV-UED peut faire, par exemple en termes de temps. Comme le MeV-UED fait partie d’une installation d’utilisateurs du DOE, nous voulons construire cet instrument qui puisse être une option pour les utilisateurs », a déclaré Othman.

Exploiter l'IA pour optimiser les faisceaux

Des chercheurs du monde entier viennent au MeV-UED du SLAC pour mener leurs expériences, et leurs besoins sont très variés. Pour chaque expérience, les opérateurs de faisceau doivent optimiser 20 à 30 paramètres, comme la taille du spot du faisceau, et tenir compte des compromis entre tous les paramètres. Fuhao Ji, scientifique du SLAC et auteur principal de l'article, a comparé le processus de réglage au changement des ingrédients d'une recette lors de la cuisson du pain pour l'adapter au goût du client : il y a beaucoup de facteurs à prendre en compte, et le goût de chacun est un peu différent.

Actuellement, les opérateurs expérimentés font eux-mêmes tous ces choix avec l'aide d'un processus automatisé, mais ce n'est pas aussi efficace qu'il pourrait l'être. Pour que cela fonctionne plus facilement, les chercheurs du SLAC du côté des accélérateurs et de l'instrumentation du laboratoire se sont associés aux experts en IA du laboratoire pour mettre en œuvre un modèle d'IA spécial, appelé optimisation bayésienne multi-objectifs (MOBO), pour régler directement, en ligne, le faisceau d'électrons du MeV-UED. Cette approche pourrait régler aussi bien qu'un opérateur expérimenté et au moins dix fois plus vite que le processus automatisé. Comme les utilisateurs disposent d'une durée de faisceau fixe, cela signifie moins de temps de manipulation et plus de temps pour exécuter leurs expériences et collecter des données.

Perspectives d’avenir et impact de l’intégration de l’IA

Avant de lancer le modèle d’IA, l’équipe du SLAC a dû l’entraîner pour qu’il sache non seulement ce qu’il fallait rechercher, mais aussi comment évaluer les compromis entre les paramètres du faisceau. Le modèle a appris en faisant : les chercheurs ont mené des expériences et recueilli des données comme ils le faisaient habituellement, puis ont introduit ces données dans le modèle, qui a appris comment différents paramètres interagissaient pour façonner le faisceau.

Comme d'autres modèles d'IA, MOBO peut prédire de nouveaux résultats à partir de nouveaux paramètres, ce qui est particulièrement utile lorsqu'un chercheur a besoin d'un réglage de faisceau qui n'a jamais été utilisé auparavant. Le modèle fournit également une image plus complète du système expérimental.

« C'est le résultat d'une étroite collaboration entre le MeV-UED et le groupe d'apprentissage automatique de la direction des accélérateurs et ouvre la voie à l'objectif ultime d'établir une installation d'utilisateurs scientifiques intelligents automatisés de bout en bout au MeV-UED », a déclaré Ji, où les algorithmes d'IA co-optimiseraient tous les composants de l'ensemble du système, de la source d'électrons à l'accélérateur, à la source lumineuse, aux paramètres d'échantillonnage et au détecteur.

Ji et ses collègues cherchent à étendre les capacités de l'outil MOBO. Leur prochaine étape consiste à adopter un autre outil d'IA, l'exécution d'algorithmes bayésiens, pour accélérer encore le processus d'optimisation et obtenir de meilleures performances.

« Nous espérons que cela aura un large impact sur la recherche dans différentes disciplines, telles que la physique, la chimie, la biologie et les matériaux quantiques, dans des installations scientifiques complexes et à grande échelle », a déclaré Ji.

La recherche a été soutenue par le Bureau des sciences du DOE et le programme de recherche et développement dirigé par le laboratoire du SLAC. Le LCLS est une installation utilisatrice du Bureau des sciences du DOE.

SciTechDaily

Glace 0 : les scientifiques découvrent une nouvelle forme inhabituelle de glace

SciTechDaily

Un médicament expérimental contre le cancer offre de l'espoir pour le syndrome de Rett et les troubles cognitifs liés à l'autisme