STEM-Bank-26: An Open Dataset of Analytical Scanning Transmission Electron Microscopy Images and Spectra

في عالم علوم المواد غير المرئي، يحتاج الباحثون إلى رؤية أشياء أصغر مما تراه العين المجردة، وأصغر من أن تلتقطها المجاهر القياسية، بل وحتى أصغر من أن يستوعبها العقل البشري بسهولة. لدراسة هذه الهياكل الدقيقة، يستخدم العلماء أداة قوية تسمى المجهر الإلكتروني النافذ الماسح. تخيل حزمة من الإلكترونات، وهي جسيمات دون ذرية، يتم إطلاقها على عينة رقيقة جداً بحيث يمكن للإلكترونات المرور عبرها. وبينما تمسح هذه الحزمة المادة، فإنها تتفاعل مع الذرات، مما يخلق صورة مفصلة للبنية الداخلية للعينة. لكن رؤية الشكل هي نصف القصة فقط؛ فلفهم المادة حق الفهم، يحتاج العلماء أيضاً إلى معرفة مكوناتها وكيفية سلوك ذراتها. وهنا يأتي دور المطيافية. فمن خلال تحليل الطاقة التي تفقدها الإلكترونات أو الأشعة السينية التي تنبعث منها عند اصطدامها بالعينة، يمكن للباحثين تحديد العناصر المحددة الموجودة، بل وحتى تحديد حالتها الكيميائية. هذا الجمع بين التصوير عالي الدقة والتحليل الكيميائي ضروري لتطوير بطاريات أفضل، ومحفزات أكثر كفاءة، وأجهزة إلكترونية متقدمة. ومع ذلك، كان تعليم الحواسيب أداء هذه المهام المعقدة أمراً صعباً لأن البيانات المطلوبة لتدريبها كانت مشتتة، أو ناقصة، أو محبوسة في أرشيفات خاصة.

لقد نجح فريق من الباحثين في جامعة بنسلفانيا الآن في تغيير هذا المشهد من خلال إصدار مجموعة ضخمة ومفتوحة من هذا النوع من البيانات. فقد جمعوا قاعدة بيانات تسمى STEM-Bank-26، تحتوي على ما يقرب من 38,000 صورة وآلاف القياسات الطيفية التي جُمعت على مدار خمس سنوات. هذه المجموعة ليست مجرد تجميع عشوائي للصور؛ بل هي سجل منظم لكيفية عمل العلماء فعلياً. تتضمن مجموعة البيانات 37,921 صورة مأخوذة من 1,095 عينة مادية مختلفة عبر 1,499 جلسة تجريبية منفصلة. ولأكثر من ثلث هذه الجلسات، قام الباحثون أيضاً بالتقاط بيانات طيفية، مما يوفر صورة كاملة لكل من البنية الفيزيائية والتركيب الكيميائي للمواد. ويبلغ الحجم الإجمالي لهذه المجموعة 929 جيجابايت، وهو حجم من المعلومات يجعلها أكبر مجموعة بيانات متاحة علناً من نوعها تدمج التصوير مع كل من مطيافية الأشعة السينية المشتتة للطاقة ومطيافية فقدان طاقة الإلكترون.

تكمن القيمة الحقيقية لهذا العمل ليس فقط في العدد الهائل من الملفات، بل في كيفية تنظيم الباحثين لها للكشف عن عملية اتخاذ القرار البشري وراء العلم. فالمجهر الإلكتروني ليس عملية مؤتمتة بالكامل؛ بل يتطلب مشغلاً ماهراً ينظر إلى العينة، ويقرر أي منطقة مثيرة للاهتمام، ويضبط إعدادات المجهر، ثم يختار جمع البيانات الكيميائية في تلك البقعة المحددة. وتُشكل هذه السلسلة من القرارات "مساراً" (trajectory)، وهو مسار من الأفعال يؤدي من عرض عام إلى تحليل مفصل. ولأن هذه القرارات نادراً ما تُسجل في ملف واحد، فقد طور الفريق طريقة لإعادة بناء هذه المسارات من خلال مقارنة البيانات الوصفية (metadata) — وهي العلامات الرقمية المرفقة بكل ملف والتي تسجل الوقت والموقع والإعدادات. ومن خلال تحليل الفجوات بين الصور، استطاعوا استنتاج متى قام المشغل بنقل العينة إلى موقع جديد أو توقف للتفكير، مما حول الأرشيف الساكن للملفات فعلياً إلى سجل ديناميكي للاستكشاف العلمي.

تسمح عملية إعادة البناء هذه للمجموعة بأن تعمل كأرض خصبة للتدريب للذكاء الاصطناعي. في الماضي، تعثرت الجهود لبناء "علماء ذكاء اصطناعي" قادرين على تشغيل هذه المجاهر بسبب نقص البيانات التي تظهر كيف يستكشف البشر المعلومات ويتكيفون معها. كانت مجموعات البيانات الموجودة غالباً ما تحتوي على صور فقط أو أطياف فقط، مما يفتقر إلى الرابط الحاسم بينهما. وتعمل هذه المجموعة الجديدة على سد هذه الفجوة، حيث تقدم رؤية واقعية لكيفية انتقال العالم من مسح واسع للعينة إلى تحليل مركز لميزة معينة. وتظهر البيانات أن معظم الجلسات التجريبية تتضمن ما بين 10 إلى 100 صورة، مع وجود جزء كبير يتضمن رسم الخرائط الكيميائية. كما أن العينات نفسها متنوعة، بدءاً من المحفزات غير المتجانسة المستخدمة في التفاعلات الكيميائية وصولاً إلى مكونات بطاريات الليثيوم أيون، مما يوفر أساساً واسع النطاق لنماذج تعلم الآلة لتتعلم منه.

كما عالج الباحثون التحديات اللوجستية التي تمنع عادةً مشاركة مثل هذه المجموعات الضخمة من البيانات. فوقت المجهر مكلف، والملفات الناتجة غالباً ما تكون كبيرة جداً بحيث لا يمكن نشرها بالكامل، مما يدفع العلماء لمشاركة عدد قليل فقط من الصور التمثيلية. يوضح هذا العمل الجديد أنه من الممكن مشاركة الأرشيف بأكمله دون إثقال كاهل المجتمع العلمي. لقد قدم الفريق أدوات وبرمجيات تسمح للباحثين الآخرين بتحويل بياناتهم الأرشيفية بسهولة إلى مجموعات بيانات مسارات مماثلة، مما يشجع على تحول في كيفية مشاركة مجتمع المجهر لأعماله. ومن خلال إتاحة هذه البيانات بموجب رخصة مفتوحة، يأمل المؤلفون في تسريع تطوير أبحاث المواد ذاتية القيادة، حيث يمكن للأنظمة الذكية أن تتعلم من الخبرة البشرية لاستكشاف مواد جديدة بشكل أسرع وأكثر كفاءة.

وبينما تعد مجموعة البيانات خطوة هامة، إلا أن المؤلفين يدركون حدودها. فالمسارات المعاد بناؤها هي لقطات لحالة المجهر وليست فيديو مستمراً لأفعال المشغل. وهي لا تلتقط اللحظات التي يقوم فيها العالم بتحريك المنصة لفحص منطقة ما ولكنه يقرر عدم التقاط صورة، مما يعني أن البيانات قد تميل قليلاً نحو المناطق التي اعتُبرت جديرة بالالتقاط عالي الدقة. بالإضافة إلى ذلك، تفتقر بعض التفاصيل الفنية المتعلقة بإعدادات عدسة المجهر في الملفات الأصلية، مما يحد من استخدام مجموعة البيانات في المهام المتعلقة بالضبط الدقيق للأداة نفسها. ورغم هذه القيود، تظل المجموعة مورداً قوياً لفهم التفاعل المعقد بين التصوير والمطيافية. فهي تقدم لمحة نادرة عن سير العمل اليومي في علم المواد، وتوفر المادة الخام لتعليم الآلات كيف ترى، وتحلل، وتفهم العالم النانوي بنفس الفضول والقدرة على التقدير التي يمتلكها الخبير البشري.