AI lærer spektrometer at forstærke svage signaler
AU-forskere lader et instrument afprøve målinger direkte på prøven i stedet for at beregne hele systemet på forhånd.
Et forskerhold fra Aarhus Universitet har koblet en optimeringsalgoritme til et instrument, der undersøger materialer med magnetisk resonans. Algoritmen lærer af forsøg på selve prøven og foreslår derefter den næste serie mikrobølgepulser.
Universitetet beskrev arbejdet 27. oktober. Resultaterne er offentliggjort i Science Advances.
Prøven giver svaret
Metoden skal forbedre dynamisk nuklear polarisation, som kan forstærke signalerne i NMR-målinger. Udfordringen er, at samspillet mellem elektroner og mange atomkerner bliver for komplekst at beregne præcist på forhånd.
Forskerne bruger derfor en Bayesiansk algoritme til at justere eksperimentet ud fra de målte resultater. Både gode og mindre gode forsøg bidrager til næste valg.
Holdet testede to spinsystemer. I det simpleste fandt algoritmen løsninger på niveau med nogle af de bedste eksisterende. I det mere komplekse gav den omkring 70 procent større signalforstærkning end forsøgets referencemetode.
Tallet gælder denne sammenligning og er ikke en generel forbedring af alle NMR-instrumenter. Forskerne understreger, at der foreløbig er tale om grundforskning, men ser muligheder for blandt andet materialeanalyse og fremtidige sensorer.
Kilder & dokumentation
Artiklen bygger på nedenstående offentlige kilder. Redaktionelle vurderinger er markeret i teksten.
