Lernende Maschinen sagen die Eigenschaften von Röntgenstrahlen-Impulsen voraus

Mithilfe lernender Rechner ist es einer Forschungsgruppe mit Beteiligung der Universität Kassel gelungen, die Eigenschaften spezieller Röntgen-Strahlung aus sogenannten Freie-Elektronen-Lasern (XFELs) genau und schnell zu bestimmten. Das macht Experimentatoren in aller Welt viele Untersuchungen von Molekülen und Atomen leichter und eröffnet neue Möglichkeiten der Grundlagenforschung in der Physik, Biologie, Chemie und Materialwissenschaft.

XFELs stoßen eine extrem helle und vielseitige Strahlung aus, die in der Grundlagenforschung eingesetzt wird, um Moleküle und Atome in Großanlagen wie der Photonenquelle European XFEL in Hamburg zu beschießen und beim Zerfall zu untersuchen. Doch um die gewonnenen Daten exakt auszuwerten, müssen die Eigenschaften jedes Strahlungsimpulses – Intensität, Puls-Dauer, Wellenlänge – genau bestimmt werden. Das war bislang nur mit sehr aufwändigen und zeitintensiven Verfahren möglich.

Dr. Gregor Hartmann. Image credit: Universität Kassel

Dr. Gregor Hartmann. Image credit: Universität Kassel

Eine fast fünfzigköpfige Gruppe von Wissenschaftlerinnen und Wissenschaftlern hat ein Verfahren entwickelt, die Eigenschaften der Impulse mit sehr großer Genauigkeit vorherzusagen. Beteiligt waren mit Gregor Hartmann und Andre Knie auch zwei Experimentalphysiker der Universität Kassel. Die Kasseler Wissenschaftler übernahmen dabei wesentliche Experimente an der LCLS in Kalifornien. Die Ergebnisse wurden jetzt im renommierten Forschungsjournal Nature Communications veröffentlicht.

Für ihre neue Methode entwickelten die Wissenschaftler einen Trick: Bestimmte Eigenschaften von XFEL-Impulsen lassen sich nur mit einem sehr aufwändigen und langwierigen Verfahren bestimmen. Andere Eigenschaften können mit einem schnelleren Verfahren bestimmt werden, das aber nur einen Teil der nötigen Daten liefert. Die Wissenschaftler brachten ihren Rechnern bei, diese beiden Datensätze miteinander zu verknüpfen und die Beziehung zwischen ihnen zu verstehen; von den „schnelleren“ Daten können die Computer nun auch auf die Daten rückschließen, die sonst nur sehr langsam zu gewinnen wären. „Man kann sich das vorstellen wie bei einer Sprache“, vergleicht Dr. André Knie, Mitarbeiter am Institut für Physik und Geschäftsführer des Forschungsverbunds „Elektronendynamik chiraler Systeme (ELCH)“: „Wir haben dem Algorithmus beigebracht, wie die Struktur, wie die ,Grammatik‘ der Eigenschaften von XFEL-Impulsen aussieht – neue Vokabeln können dann aus dem Kontext erschlossen werden. Das bedeutet, dass die Rechner selbstständig die Ergebnisse neuer Experimente auswerten können.“ Die Treffgenauigkeit liegt bei 97 Prozent.

Dr. André Knie. Image credit: Universität Kassel

Dr. André Knie. Image credit: Universität Kassel

Für die Grundlagenforschung bedeutet dies, dass der Einsatz von XFELs viel praktikabler wird“, erläutert Knies Kollege Dr. Gregor Hartmann. „Atome und Moleküle lassen sich so in Zukunft umfassender, schneller und einfacher untersuchen. Unsere Arbeitsgruppe wird diese Technik einsetzen, um beispielsweise die Chiralität, die Händigkeit von Molekülen zu untersuchen“, also die Frage, warum sich Moleküle aus denselben Elementen oft völlig unterschiedlich verhalten. „Das Verfahren kann aber auch die Entwicklung neuer digitaler Speicherverfahren beschleunigen und im Grunde in allen Naturwissenschaften zum Einsatz kommen.“

Die Forschungsgruppe „ELCH – Elektronendynamik chiraler Systeme“ wurde vom Land Hessen im Rahmen des LOEWE-Programms gefördert. Auch durch dieses Programm hat sich an der Universität Kassel ein Kompetenzcluster für die Untersuchung von Materie mithilfe von Laser-Impulsen profiliert.

Sanchez-Gonzalez, A. et al. Accurate prediction of X-ray pulse properties from a free-electron laser using machine learning. Nat. Commun. 8, 15461 doi: 10.1038/ncomms15461 (2017).
Link zum Artikel: https://www.nature.com/articles/ncomms15461

*Source: Universität Kassel

(Visited 15 times, 1 visits today)