La tomographie synchrotron avancée est un outil de recherche essentiel, permettant aux scientifiques d'explorer les structures complexes des objets avec une résolution extrêmement élevée. Parce que cette technique permet aux chercheurs de capturer la dynamique en temps réel, elle peut capturer les changements en cours dans les organismes vivants (mouvements cellulaires et dynamique des fluides) pour la recherche médicale, et dans les matériaux, comme l'observation de la formation de dendrites dans les batteries pour comprendre les causes de la réduction de capacité. et un éventuel échec.

La clé de cette vue détaillée est que la tomographie ne repose pas uniquement sur une seule image radiographique; au lieu de cela, plusieurs images sont prises sous différents angles. Ces images sont ensuite introduites dans un ordinateur, où des algorithmes mathématiques les combinent pour produire une représentation numérique tridimensionnelle (3D) qui révèle une vue incroyablement détaillée de la structure interne de l'objet.

Cependant, dans de nombreux cas, le nombre d’images pouvant être collectées est très limité. Par exemple, collecter suffisamment d'images à partir d'un échantillon en évolution rapide peut s'avérer difficile avant qu'il ne change de forme.

La reconstruction de la structure à partir de données aussi limitées n'est possible que si des propriétés connues supplémentaires de l'échantillon sont incluses dans l'analyse des données. Malheureusement, la modélisation des propriétés de ces échantillons nécessite souvent beaucoup de calculs et peut nécessiter des ressources informatiques considérables qui peuvent ne pas être facilement accessibles aux chercheurs.

Pour relever ce défi, une équipe du Centre de mathématiques avancées pour les applications de recherche énergétique (CAMERA) du Lawrence Berkeley National Laboratory (Berkeley Lab), composée du scientifique du projet Dinesh Kumar et du scientifique Jeffrey Donatelli de la Division des mathématiques appliquées et de la recherche informatique (AMCR ) et la scientifique Dula Parkinson de l'installation Advanced Light Source, ont récemment développé un nouvel algorithme de reconstruction, TomoCAM, qui exploite des techniques mathématiques avancées et le calcul basé sur GPU.

Un article détaillant TomoCAM a été publié dans le Journal of Synchrotron Radiation , où il a été démontré qu'il a établi un nouveau record mondial en dépassant la vitesse des algorithmes de reconstruction tomographique itérative de pointe existants.

Selon Kumar, l'auteur principal de l'article, les expérimentateurs utilisent généralement des méthodes d'approximation directe, telles que les projections filtrées (FPB), pour effectuer leurs reconstructions tomographiques. Cependant, ces méthodes d'approximation directe conduisent fréquemment à des reconstructions de mauvaise qualité dans de nombreuses expériences où les échantillons évoluent, sont susceptibles d'être endommagés par les radiations ou où la géométrie expérimentale restreint l'acquisition de vues suffisantes.

Alternativement, les méthodes de reconstruction itérative basée sur un modèle (MBIR) peuvent obtenir des reconstructions de bien meilleure qualité à partir de données limitées et bruitées. MBIR combine un modèle mathématique du processus tomographique avec des hypothèses éclairées sur l'échantillon pour mettre en place un processus itératif.

En commençant par une estimation initiale, un modèle simulé de l'échantillon est progressivement amélioré pour le faire correspondre simultanément aux mesures de rayons X collectées au cours de l'expérience et satisfaire les hypothèses de l'échantillon. Cependant, l'adoption du MBIR a été limitée en raison des ressources de calcul importantes requises par les implémentations conventionnelles.

TomoCAM surmonte ces limitations de coût de calcul en reformulant les opérateurs fondamentaux dans MBIR en termes de coefficients de Fourier de l'échantillon, qui décrivent les fréquences fondamentales de la densité de l'échantillon, similaires aux notes individuelles qui composent un morceau de musique.

Ces coefficients de Fourier peuvent être calculés très efficacement à l'aide de l'algorithme de transformation de Fourier rapide non uniforme (NUFFT), qui permet aux opérateurs MBIR dans TomoCAM d'être calculés beaucoup plus rapidement que les méthodes traditionnelles. De plus, TomoCAM exploite des stratégies avancées d'accélération GPU qui optimisent le streaming de données vers la mémoire GPU.

Ces innovations permettent à TomoCAM d'exécuter le MBIR en une fraction du temps par rapport aux codes MBIR traditionnels tout en ne nécessitant que des ressources informatiques modestes et couramment disponibles. De plus, TomoCAM dispose d'une interface Python, qui permet d'accéder à partir de frameworks basés sur Jupyter, permettant une intégration simple dans les flux de travail existants dans les installations synchrotron.

"Cela peut vraiment faire une différence pour les scientifiques de voir si rapidement ces résultats de haute qualité du MBIR", a déclaré Dula Parkinson, responsable scientifique de la micro-tomographie à l'ALS.

"TomoCAM permet aux utilisateurs de voir les résultats du MBIR car ils collectent des données beaucoup plus facilement. Cela leur permet de s'assurer que la combinaison des paramètres expérimentaux et d'analyse est correcte plutôt que d'espérer le meilleur et de trouver des problèmes plus tard. Et cela leur permet de voir les petits détails qui peuvent guider plus clairement leurs décisions concernant leur plan expérimental. "

"La beauté des mathématiques appliquées est qu'elles peuvent souvent conduire à des améliorations significatives des performances qui ne seraient pas possibles grâce au calcul haute performance seul", a déclaré Jeffrey Donatelli, responsable du groupe Mathématiques pour l'analyse des données expérimentales et directeur adjoint de CAMERA. "En exploitant la structure mathématique du problème, TomoCAM peut accélérer considérablement le processus d'inversion tomographique."

TomoCAM est disponible pour tous les chercheurs sous une licence open source. Kumar a déclaré qu'il est de plus en plus utilisé à l'ALS et que la source de lumière synchrotron nationale II du laboratoire national de Brookhaven s'efforce d'inclure TomoCAM dans son système de flux de travail.

Cela donne à la communauté des sciences des matériaux les moyens d'élargir la portée des mesures tomographiques vers des mesures de plus en plus in situ et in operando, où les échantillons évoluent souvent rapidement et ont des géométries complexes. Un exemple est l'étude des fractures et de la détérioration des composites à matrice céramique. , qui sont de nouveaux matériaux légers utilisés dans les moteurs à réaction fonctionnant à des températures et des pressions élevées.

TomoCAM est un produit en constante évolution. "Nous étudions de nouvelles façons d'accélérer et d'automatiser davantage le pipeline de reconstruction tomographique en exploitant des structures mathématiques supplémentaires du problème et en étudiant de nouvelles méthodes hybrides qui exploitent les modèles d'apprentissage automatique", a déclaré Kumar.

"L'objectif ultime est d'abaisser la barrière à l'entrée, d'accélérer la convergence et de simplifier l'utilisation du MBIR, permettant aux scientifiques des matériaux de se concentrer sur la réalisation d'expériences complexes sans se soucier du processus de reconstruction."

Plus d'informations : Dinesh Kumar et al, tomoCAM :reconstruction itérative rapide basée sur un modèle via l'accélération GPU et les transformées de Fourier rapides non uniformes, Journal of Synchrotron Radiation (2023). DOI :10.1107/S1600577523008962

Fourni par le Laboratoire national Lawrence Berkeley