Быстрый расчет картин рассеяния с использованием алгоритмов гипергеометрических функций
Научные отчеты, том 13, Номер статьи: 780 (2023) Цитировать эту статью
1588 Доступов
3 Альтметрика
Подробности о метриках
Рассеяние света, рентгеновских лучей, электронов или нейтронов веществом широко используется для структурной характеристики от атомных до макроскопических масштабов длины. С появлением источников луча с высокой яркостью и разработкой быстрых пиксельных детекторов большой площади диаграммы рассеяния теперь можно получать с беспрецедентной частотой кадров и размерами кадров. Медленный анализ этих закономерностей рассеяния превратился в серьезное препятствие, мешающее научному пониманию. Здесь мы представляем алгоритм, основанный на использовании гипергеометрических функций, обеспечивающий выигрыш в скорости вычислений до 105 по сравнению с существующими алгоритмами численного интегрирования. Гипергеометрические функции обеспечивают аналитическое описание геометрических фигур, могут быть быстро вычислены в виде рядов и асимптотических разложений и могут быть эффективно реализованы в графических процессорах. Алгоритм обеспечивает необходимую скорость вычислений для расчета закономерностей рассеяния в масштабах времени, необходимых для обратной связи с экспериментом в реальном времени, анализа больших объемов данных рассеяния и генерации наборов обучающих данных для машинного обучения.
Рассеяние света, рентгеновских лучей, электронов или нейтронов веществом широко используется для характеристики структуры материалов от атомных до макроскопических масштабов длины1,2. Для получения многомасштабной структурной информации в экспериментах по рассеянию необходимо получить картины рассеяния на больших площадях детектора. Таким образом, современные пиксельные детекторы покрывают все большие площади, а количество соответствующих пикселей теперь превышает 107. Одновременно с этим широкое распространение получили источники луча высокой интенсивности, такие как лазеры, синхротронные источники четвертого поколения, источники нейтронного расщепления, электронные микроскопы с коррекцией аберраций и металлические струйные источники рентгеновского излучения. доступный. Сочетание пучков высокой интенсивности с быстрыми детекторами большой площади теперь позволяет проводить эксперименты на месте и операндо, выявляющие быстрые и сложные структурные изменения, тем самым получая ключевое понимание структурной эволюции, функционирования и характеристик материалов. Обычно исследуемые материалы и устройства включают высокоэффективные металлические сплавы, волокна, батареи, топливные элементы и солнечные элементы, наноматериалы, композиты, полимеры, коллоиды, мембраны, а также имплантаты, составы для доставки лекарств и биологические ткани.
Эта эволюция привела к беспрецедентному увеличению скорости сбора и объема данных 1D и 2D рассеяния, так что время, необходимое для анализа данных, стало основным узким местом в процессе получения информации о материалах. Поэтому программное обеспечение для обработки и анализа разброса данных постоянно совершенствуется за счет внедрения более эффективных конвейеров анализа данных3, ускорения графического процессора4 и использования алгоритмов машинного обучения5. Тем не менее, скорость вычислений для анализа данных не выросла со скоростью, сравнимой с увеличением текущих скоростей сбора данных.
Анализ данных рассеяния материалов в многомасштабном масштабе обычно осуществляется путем моделирования подструктур с геометрическими объектами, которые связаны и собираются в составные объекты, которые пространственно распределены с определенной степенью позиционного и ориентационного порядка. Обычные геометрические объекты включают сферы, эллипсоиды, параллелепипеды, цилиндры, диски, многогранники или гибкие трубки или мембраны, поверхности которых можно математически описать в замкнутых аналитических формах. Этот геометрический подход к моделированию сложных структур также широко используется в компьютерном моделировании и в графических алгоритмах трассировки лучей.
Расчет картин рассеяния включает вычисление преобразования Фурье структуры собранного объекта и последующее усреднение по размерам, ориентационным и позиционным распределениям объектов, характеризующим реальный исследуемый материал6. Для расчета требуется несколько численных интеграций для вычисления преобразований Фурье и усреднения по функциям распределения. Эти вычисления занимают много времени и являются узким местом на этапе анализа данных. Таким образом, существует долгая история новых важных математических методов для эффективного расчета и анализа функций рассеяния7,8,9,10,11.