Forscher des National Institute for Materials Science (NIMS) in Japan haben einen komplexen und arbeitsintensiven Prozess zur Analyse der Ergebnisse von Röntgenbeugungsstudien automatisiert, die zur Bestimmung der Struktur kristalliner Materialien verwendet werden. Das Team beschrieb die Entwicklung und Anwendung ihrer Technik in der Zeitschrift Wissenschaft und Technologie fortschrittlicher Materialien: Methoden.
Röntgenstrahlen, die auf einen Kristall geschossen werden, interagieren mit der geometrischen Anordnung seiner Partikel und werden in viele Richtungen in einem komplexen Strahlenmuster gebeugt, das von der genauen Struktur des Kristalls abhängt. Experten analysieren das Muster und die Intensität der gebeugten Röntgenstrahlen, um die innere Anordnung des Kristalls zu bestimmen. Dies ist ein leistungsfähiges und weit verbreitetes Verfahren zur Aufdeckung der dreidimensionalen atomaren Struktur neuer Materialien.
Zur Interpretation von Röntgenbeugungsdaten wird ein gut etabliertes mathematisches Verfahren namens Rietveld-Analyse verwendet, das jedoch zeitaufwändig ist und eine manuelle Trial-and-Error-Verfeinerung der Ergebnisse erfordert.
„Um Personalkosten und Ressourcen zu reduzieren, haben wir ein robotergestütztes Prozessautomatisierungssystem (RPA) entwickelt, das wir auf ein bestehendes Rietveld-Analyseprogramm namens RIETAN-FP anwenden“, sagt Ryo Tamura vom NIMS-Team. „Mit unserem neuen Verfahren ist es uns mit Hilfe von maschinellem Lernen gelungen, die Rietveld-Analyse automatisiert durchzuführen“, ergänzt Tamura.
Die Automatisierung kann auf einem PC ausgeführt werden und menschliche Fehler reduzieren sowie die Datenanalyse erheblich beschleunigen.
Tamura erklärt, dass das Gebiet der Materialwissenschaften bereits auf zahlreiche Anwendungen mit grafischen Benutzeroberflächen (GUI) angewiesen ist, um die Eigenschaften eines Materials zu berechnen, experimentelle Geräte zu steuern oder Materialdaten zu analysieren. Er sagt, dass die Kombination dieser neuen RPA- und maschinellen Lernfähigkeit mit diesen Anwendungen einen „geschlossenen Kreislauf“ zum automatischen Entwerfen und Analysieren von Materialien mit minimalem menschlichem Eingreifen erreicht.
Die Genauigkeit ihres Verfahrens überprüften die Forscher, indem sie Proben von pulverförmigen Verbindungen analysierten, deren Kristallstrukturen bereits bekannt sind. Die Fähigkeit, die Strukturen aus pulverförmigen Proben zu bestimmen, ist eine der großen Stärken der Rietveld-Analytik. Es vermeidet die Notwendigkeit, große Einkristalle zu züchten, die für einige Materialien äußerst schwierig zu erhalten sein können.
„Die Automatisierung der Rietveld-Analyse bringt ein sehr leistungsfähiges neues Werkzeug in den gesamten Bereich der Materialwissenschaften“, schließt Tamura.
Die Forscher arbeiten nun daran, ihr Verfahren weiter zu verfeinern, um es für komplexere Kristallstrukturen geeignet zu machen. Ein weiteres Ziel ist es, die Nutzung ihrer RPA-Strategie für maschinelles Lernen für allgemeinere Anwendungen in der Materialwissenschaft zu untersuchen.
Die Möglichkeiten umfassen zahlreiche Simulationsverfahren zur Berechnung von Materialeigenschaften, aber auch Anwendungen zur Steuerung von Versuchsanlagen. Die bisher erzielten Erfolge mit der Röntgenbeugung könnten nur der Anfang für die Rietveld-Robotik sein.
Mehr Informationen:
Ryo Tamura et al, Automatische Rietveld-Verfeinerung durch robotergesteuerte Prozessautomatisierung mit RIETAN-FP, Wissenschaft und Technologie fortschrittlicher Materialien: Methoden (2022). DOI: 10.1080/27660400.2022.2146470