Istraživanje je objavljeno u naučnom časopisu Ultramicroscopy.
Da bi se neuronska mreža osposobila za rešavanje određenog problema, neophodno je, prema objašnjenjima naučnika, „nahraniti“ niz već rešenih primera. Obe primere za obuku obično stvaraju ljudi, takozvani obeleživači podataka. Da bi mreža naučila da analizira slike, potrebno je desetine hiljada označenih fotografija, što je, prema rečima naučnika, izuzetno teško za brojne visokospecijalizovane naučne probleme.
Jedno od takvih područja je analiza podataka o mikroskopiji nanočestica, za koje još nisu postojali odgovarajući instrumenti. Istraživanje naučnika je pokazalo da je moguće efikasno obučiti neuronske mreže da analiziraju fotografiju iz skenirajućeg elektronskog mikroskopa bez ručnog obeležavanja stvarnih mikrofotografija, već generisanjem slika koje ih simuliraju na računaru.
„Skenirajući elektronski mikroskop, koji koristi elektronski snop umesto vidljive svetlosti, koristi se za proučavanje nanočestica sintetizovanih za ciljeve medicine i u druge svrhe. Analiza fotografija ovog mikroskopa sastoji se u otkrivanju čestica i njihovoj raspodeli po veličini. Pristupi neuronske mreže u ovoj oblasti nisu razvijeni, a standardne metode obrade fotografija ne pružaju potreban kvalitet“, objasnio je specijalista Inženjersko-fizičkog instituta biomedicine Nacionalnog istraživačkog nuklearnog univerziteta „MIFI“, Aleksandar Harin.
Obično se i analiza mikrofotografija i njihovo obeležavanje za neuronske mreže sprovodi u ručnom režimu: naučnik prati svaku česticu i meri njenu veličinu. Uz to, na jednoj fotografiji ih može biti nekoliko hiljada. Postojeće arhitekture neuronske mreže omogućavaju efikasnu analizu takvih fotografija, pa je problem, prema rečima naučnika, samo u nedostatku dovoljnog broja označenih podataka.
Ispostavilo se, prema rečima naučnika sa Nacionalnog istraživačkog nuklearnog univerziteta „MIFI“, da se nanočestice mogu jednostavno nacrtati, uzimajući u obzir njihovu teksturu na stvarnim mikrofotografijama iz otvorenih baza snimaka, koji su zabeleženi uz pomoć skenirajućeg elektronskog mikroskopa. Tada će se za svaku generisanu fotografiju tačno znati gde se čestice nalaze i koje su veličine.
„Sličan pristup je korišćen za rešavanje nekih zadataka, na primer, za obuku bespilotnih automobila, ali se ispostavilo da crtanje fotorealističnih i prilično promenljivih fotografija nije lako. Ali u odnosu na skenirajući elektronski mikroskop, ovaj pristup je potpuno opravdan: neuronska mreža koja je obučena na nacrtanim fotografijama, odlično funkcioniše i na onim stvarnim“, istakao je Aleksandar Harin.
Rezultati istraživanja će omogućiti automatizaciju obrade fotografija sa skenirajućeg elektronskog mikroskopa, što će dovesti do preokreta standardnih metoda za proučavanje novih materijala, sigurni su naučnici. To će pomoći ne samo da se smanji vreme istraživanja, već i da se poveća broj analiziranih čestica: sa stotina jedinica na desetine hiljada.
U istraživanju je korišćena neuronska mreža sa arhitekturom RetinaNet. U budućnosti, istraživački tim namerava da koristi isti pristup za klasifikaciju nanočestica po obliku. Zasad se ovo u potpunosti obavlja ručno.
Pročitajte još:
