Для 3D-изображения микрочипа потребовалось почти в 10 раз меньше данных

Учёные нескольких национальных лабораторий США показали, как машинное обучение ускоряет рентгеновскую визуализацию микрочипов. На синхротроне Брукхейвенской национальной лаборатории они восстановили 3D-изображение чипа, использовав почти десятую часть обычного объёма данных.

В первом опыте команда под руководством Ханфэя Яна автоматизировала выбор участков сложного образца для детальной съёмки. Система анализировала изображения по мере получения, находила участки, представляющие научный интерес, и сама выбирала их для последующих измерений с высоким разрешением.

Другой опыт был посвящён птихографической томографии микрочипов. Модель, обученная в Аргоннской национальной лаборатории, заменила традиционный ресурсоёмкий процесс реконструкции с многократным уточнением изображения. После интеграции с платформой NVIDIA Holoscan удалось восстанавливать 200 изображений в секунду в реальном времени.

Отдельная модель, разработанная и обученная в Брукхейвенской лаборатории, позволила восстановить трёхмерное изображение микрочипа почти по десятой части обычного объёма данных. Это особенно важно для тонких плоских образцов, для которых сложно собрать полный набор измерений для томографии.

Скорость 200 изображений в секунду относится к реконструкции отдельных изображений, а не готовых 3D-объёмов. Восстановление трёхмерной картины непосредственно во время сбора данных авторы называют следующим этапом работы.

Источник: Brookhaven National Laboratory