שחזור פאזה של דפוסי דיפרקציה בראג מאסיביים עם מתיחות גבוהה באמצעות רשת עצבית קונבולוציונית מפוקחת

תצפיות חדות יותר על גבישים זעירים

הרבה מהטכנולוגיות המבטיחות של היום — משיפור זרזים לרכבים נקיים ועד סוללות יעילות יותר — תלויות באופן שבו אטומים נעים ומתוחים בתוך גבישים זעירים. מדענים יכולים לחקור את העיוותים הבלתי נראים האלה באמצעות טכניקת קרני X עוצמתית הנקראת דימות דיפרקציה קוהרנטית בראג (BCDI), אבל צעד חישובי מרכזי נכשל לעיתים קרובות בדיוק כאשר הגבישים הם המותחים והמרתקים ביותר מבחינה מדעית. מאמר זה מראה כיצד גישה בלמידת מכונה עמוקה יכולה להציל מדידות קשות אלה, ולהפוך נתונים שלפני כן לא היו שימושיים לתמונות תלת‑ממדיות ברורות של ננומחומרים פועלים.

איך קרני X חושפות עיוותים נסתרים

בניסוי BCDI מקרינים גביש ננו בקרן קרני X מרוכזת ובעלת קוהרנטיות גבוהה. הגביש מפזר את קרני ה‑X לתבנית ספקל מורכבת שנרשמת על ידי גלאי מרוחק. תבנית זו מקושרת למבנה הפנימי של הגביש על‑ידי פעולה מתמטית הנקראת טרנספורם פורייה. לצערנו, הגלאי מודד רק את העוצמה של הגלים המפוזרים, ולא את הפאזה — החלק בגל שמקודד כיצד האטומים הוסטו בתוך הגביש. לכן, שיחזור תמונה תלת‑ממדית של צפיפות האלקטרונים ושדה המתיחה מחייב אלגוריתמי "שחזור פאזה" שצריכים להסיק את הפאזה החסרה מהעוצמה הנמדדת בלבד.

מדוע שיטות קונבנציונליות נכשלות

שחזור פאזה סטנדרטי מבוסס על אלגוריתמים איטרטיביים שמחליפים בין תבנית הדיפרקציה המדודה לבין ניחוש של האובייקט במרחב האמיתי, ומחילים בהדרגה אילוצים פיזיקליים בכל מרחב. גישה זו עובדת היטב כאשר הגביש רק במעט מתוח. אך כאשר העיוותים הפנימיים חזקים, הם מעוותים את תבנית הדיפרקציה באופן כה חמור שהאלגוריתמים מתקשים להתכנס. הפאזה המשוחזרת עלולה לעטוף עצמה פעמים רבות סביב 2π, הגודל והצורה הנתפשים של הגביש עלולים להיות מוערכים שגוי, ועשרות אתחולים אקראיים עדיין עלולים להיכשל במציאת פתרון שמיש. כתוצאה מכך, מדידות BCDI רבות של חלקיקים בעלי מתיחות גבוהה — ולעיתים היותר מעניינות — נזרקות.

רשת עצבית שחושבת במרחב הדיפרקציה

כדי לפתור צוואר בקבוק זה, המחברים מאמנים רשת עצבית קונבולוציונית תלת‑ממדית, המבוססת על ארכיטקטורת UNet‑דמוית, לחזות את הפאזה החסרה ישירות באותו מרחב דו‑קואורדינטי (מרחב ההדדיות/דיפרקציה) שבו נאספים הנתונים. הם מייצרים עשרות אלפי תבניות דיפרקציה מדמות ריאליסטיות ממודלים של ננו‑גבישים בצורות מגוונות ובשדות מתיחה חזקים ומורכבים, ומוסיפים רעש בסגנון ניסיוני. כל תבנית מדומיינת מזוהה עם פאזה ידועה במרחב ההדדיות, שהרשת לומדת לשחזר. פונקציית עלות מיועדת במיוחד בשם Weighted Coherent Average מאפשרת לרשת להתחשב בסימטריות הטבועות בנתוני פאזה — כגון היסטים גלובליים, שינויים בסימן ועטיפות — מבלי להטעות על‑ידם, בעוד שהיא ממקדת את מאמץ הלמידה בחלקים האינטנסיביים והממיינים ביותר של התבנית.

מאתגרי סימולציה לנתונים מהעולם האמיתי

לאחר האימון, הרשת מקבלת רק את עוצמת הדיפרקציה הנמדדת, מומרת לצורה לוגריתמית, ומפיקה מפה תלת‑ממדית מלאה של הפאזה. שילוב הפאזה החזויה הזו עם העוצמה הנמדדת ויישום טרנספורם פורייה הופכי מניב מיידית תמונה תלת‑ממדית ראשונית של הגביש ושדה המתיחה שלו. על נתוני בדיקה מדומים, הרשת משחזרת בצורה אמינה מבני פאזה מורכבים עבור צורות חלקיק שונות ופרופילי מתיחה משתנים, ומייצרת שחזורים התואמים בקירוב רב לאמת הקרקעית, גם כשהאות רעשי. באופן מכריע, כאשר מוחלת על ערכות נתונים ניסיוניות מאתגרות של ננו‑חלקיקים מפלטינה וממפלטינה‑פלדיום תחת מתיחה בין‑ממשקית חזקה, השחזורים המבוססים על הרשת מצליחים היכן ששיטות שחזור פאזה איטרטיביות קונבנציונליות נכשלות לבדן.

תמונות מהירות וברורות יותר של ננומחומרים פועלים

המחברים אינם מוותרים על האלגוריתמים המסורתיים; במקום זאת הם משתמשים ביציאת הרשת כנקודת התחלה איכותית. שלב שיוף קצר יחסית עם איטרציות סטנדרטיות של הפחתת שגיאה מנקה את השחזור מבלי לבטל את הניחוש הראשוני הטוב. גישה היברידית זו מקצרת את זמן החישוב בשני עד שלושה סדרי גודל בהשוואה להרצת שחזורים קונבנציונליים רבים וארוכים, ומאפשרת הדמיה מהימנה של חלקיקים בעלי מתיחות גבוהה שעד כה היו מחוץ להישג יד. במובן המעשי, העבודה הופכת ניסויי BCDI קשים לכלי שגרתי יותר: מדענים יכולים כעת לדמיין במהירות וביציבות כיצד המתיחה מתפתחת בתוך גביש ננו יחיד בזמן תגובות, מחזור אלקטרוכימי או תנאים קיצוניים, ולפתוח פתח לעיצוב טוב יותר של חומרים ומכשירים.

ציטוט: Masto, M., Favre-Nicolin, V., Leake, S. et al. Phase retrieval of highly strained Bragg coherent diffraction patterns using supervised convolutional neural network. npj Comput Mater 12, 164 (2026). https://doi.org/10.1038/s41524-026-02017-w

מילות מפתח: דימות דיפרקציה קוהרנטית בראג, שחזור פאזה, למידה עמוקה, מתיחת ננו‑מבנים, מיקרוסקופיית קרני X