Medir as propriedades dos pulsos ultrarrápidos de lasers de raios-X é um grande desafio para os físicos. Uma pesquisa publicada na revista científica Optics Express descreve um método que pode ajudar nessa tarefa.
Esses pulsos revelam como os átomos se movem em escalas de tempo de um femtosegundo – o que equivale a um quadrilhão de segundo. Embora a determinação da força máxima – ou amplitude – de um pulso seja precisa, o momento em que ele atinge seu grau máximo, ou ‘fase’, é muitas vezes obscuro.
No novo estudo, os cientistas do Centro de Aceleração Linear de Stanford (SLAC), dos EUA, e do Síncrotron Alemão de Elétrons (DESY), usaram o aprendizado de máquina e treinaram as redes neurais para analisar o pulso e revelar esses subcomponentes ocultos, que são divididos entre “reais” e “imaginários”.
A partir de medições de baixa resolução, as redes neurais revelam detalhes mais refinados de cada um dos pulsos, que são analisados de forma milhões de vezes mais rápida do que os métodos anteriores, com até três vezes mais precisão.
Conhecer os componentes de cada pulso de raio-X leva a dados melhores e mais nítidos. Segundo os autores, isso expandirá a compreensão de áreas que usam lasers de raios-X ultrarrápidos, incluindo pesquisas fundamentais em química, física, ciência de materiais e computação quântica.
“A abordagem da rede neural usada aqui também pode ter amplas aplicações na ciência dos aceleradores de raios-X, incluindo aprender a forma das proteínas ou as propriedades de um feixe de elétrons”, disseram os pesquisadores.
Caracterizações da dinâmica do sistema são aplicações importantes para lasers de elétrons livres de raios-X (XFELs). Diagnosticar as propriedades de cada pulso XFEL individual poderia permitir uma nova classe de experimentos dinâmicos mais simples e potencialmente de maior resolução.
Leia mais:
- IA pode identificar a etnia das pessoas em imagens de raios-X e levanta questões éticas
- “Mão fantasma” aparece em imagem de raios-x da NASA
- Algoritmo de aprendizado de máquina simula os primeiros segundos após o Big Bang
Segundo o site Phys, a arquitetura de rede neural baseada em modelos ‘físico-informados’ pode ser treinada diretamente em dados experimentais não rotulados e é suficientemente rápida para análise em tempo real na nova geração de megahertz XFELs.
O método também recupera a fase, permitindo experimentos de controle coerentes com XFELs e moldando o movimento intrincado dos elétrons em moléculas e sistemas de matéria condensada.
Já assistiu aos nossos novos vídeos no YouTube? Inscreva-se no nosso canal!
Tags: