topas-editor and TOPilot: tools for AI-driven analysis of diffraction and total scattering data

Wissenschaftler, die die Anordnung von Atomen in Materialien untersuchen, verlassen sich oft auf eine Technik, die als Beugung bezeichnet wird. Stellen Sie sich vor, man schießt einen Lichtstrahl, wie etwa Röntgenstrahlen oder Neutronen, durch einen Kristall. Die Atome im Inneren des Kristalls wirken wie ein komplexer Filter, der den Strahl in ein spezifisches Muster aus Punkten oder Linien auf einen Detektor streut. Dieses Muster ist ein einzigartiger Fingerabdruck der internen Struktur des Materials. Durch die Analyse der Art und Weise, wie der Strahl gestreut wird, können Forscher die exakten Positionen der Atome rekonstruieren und so alles offenlegen – von der Festigkeit eines neuen Batteriematerials bis hin zur Geschichte eines antiken Pigments. Das Umwandeln dieser gestreuten Muster in ein klares Bild der Atompositionen ist jedoch ein schwieriges Rätsel. Es erfordert spezialisierte Software, um Millionen möglicher Anordnungen gegen die Daten zu testen – ein Prozess, der tiefes Fachwissen verlangt und oft das Schreiben komplexer, benutzerdefinierter Anweisungen erfordert, denen der Computer folgen soll.

Jahrelang war eine leistungsstarke Software-Suite namens TOPAS das bevorzugte Werkzeug zur Lösung dieser Rätsel. Sie ist in der Lage, alles von einfachen Kristallen bis hin zu komplexen, ungeordneten Materialien zu handhaben, arbeitet jedoch über Textdateien, die wie Code aussehen. Das Erstellen dieser Dateien erfordert eine steile Lernkurve, da bereits ein einziger Fehler in der Syntax dazu führen kann, dass die gesamte Analyse fehlschlägt. Obwohl die Software unglaublich schnell und robust ist, begrenzt der menschliche Aufwand, der für ihre Einrichtung erforderlich ist, ihren Einsatz auf Spezialisten. Nun hat ein Forscherteam einen neuen Weg gefunden, um diese Lücke zu schließen, indem es die rohe Kraft von TOPAS mit den Denkfähigkeiten moderner künstlicher Intelligenz kombiniert. Sie haben zwei miteinander verbundene Werkzeuge entwickelt – einen intelligenten Editor und einen KI-Assistenten –, die es ermöglichen, die Software durch natürliche Sprache zu steuern, wodurch die schwierigsten Teile der Analyse effektiv automatisiert werden, während der Mensch weiterhin zur Überprüfung der Ergebnisse in den Prozess eingebunden bleibt.

Das erste Werkzeug namens topas-editor ist ein digitaler Arbeitsbereich, der darauf ausgelegt ist, die komplexe Sprache von TOPAS lesbarer und schreibbarer zu machen. Er fungiert wie ein spezialisiertes Notizbuch, das die Regeln der Software versteht. Während der Benutzer Anweisungen eintippt, hebt der Editor Schlüsselwörter hervor, bietet sofortige Erklärungen für technische Begriffe an und prüft automatisch auf häufige Fehler. Er agiert als Leitfaden und schlägt den korrekten Weg vor, um eine Kristallstruktur oder eine bestimmte experimentelle Bedingung zu beschreiben. Diese Schnittstelle ermöglicht es Forschern, direkt mit der Software zu interagieren, ohne hunderte von obskuren Befehlen auswendig lernen zu müssen. Die wahre Innovation liegt jedoch im zweiten Werkzeug, TOPilot, das als intelligenter Agent fungiert, der diese Anweisungen für den Benutzer schreiben kann.

TOPilot basiert auf einem Satz von Regeln und Beispielen, die einer künstlichen Intelligenz beibringen, wie ein erfahrener Kristallograph zu denken. Anstatt einfach nur zu raten, konsultiert die KI eine kuratierte Bibliothek wissenschaftlicher Regeln und Referenzdokumente, bevor sie eine Entscheidung trifft. Wenn ein Forscher eine Datendatei und eine einfache Beschreibung dessen bereitstellt, was er finden möchte, übernimmt TOPilot das Kommando. Es kann automatisch die Art des Materials identifizieren, das korrekte mathematische Modell bestimmen und die komplexe Textdatei generieren, die zur Durchführung der Analyse benötigt wird. Wenn die KI auf ein Problem stößt, das sie nicht lösen kann, wie etwa fehlende Informationen über den Versuchsaufbau, stoppt sie und bittet den menschlichen Benutzer um Klärung, anstatt eine gefährliche Vermutung anzustellen. Dieser Ansatz stellt sicher, dass die KI die repetitive, zeitintensive Arbeit übernimmt, verschiedene Modelle zu testen, während der menschliche Experte die kritischen Entscheidungen überwacht.

Die Forscher testeten dieses System an einer Vielzahl von realen Herausforderungen, um zu sehen, ob es mit der Unordnung tatsächlicher wissenschaftlicher Daten umgehen kann. In einem Test gaben sie der KI ein simuliertes Muster eines Materials namens Y2O3, das absichtlich mit Fehlern korrumpiert worden war, wie etwa einem verschobenen Hintergrund und verzerrten Peaks. Ein Standardansatz würde unter diesen Bedingungen wahrscheinlich scheitern, aber die KI navigierte erfolgreich durch die Komplikationen. Sie identifizierte die Fehler, passte ihr Modell an, um diese zu berücksichtigen, und lieferte ein Endergebnis, das der Qualität einer manuellen Analyse durch einen menschlichen Experten entsprach. Das System tat dies, indem es viele verschiedene Variationen des Modells testete, prüfte, welches am besten zu den Daten passte, und seine Ergebnisse dann in einem klaren, interaktiven Format berichtete.

In einem anderen Beispiel baten das Team die KI, ein vollständiges Problem von Grund auf zu lösen, beginnend mit einer Rohdatendatei und endend mit einer verfeinerten Atomstruktur. Das Material war eine komplexe Verbindung, die Zirkonium und Wolfram enthielt. Die KI identifizierte erfolgreich die Größe der sich wiederholenden Einheit des Kristalls, bestimmte die korrekte Symmetrie der Struktur und verfeinerte anschließend die Positionen jedes einzelnen Atoms darin. Der gesamte Prozess, von den Rohdaten bis zum fertigen Strukturmodell, dauerte nur wenige Minuten. Das System demonstrierte auch seine Fähigkeit, mehrere Proben gleichzeitig zu verarbeiten, indem es eine Serie von dreißig verschiedenen Mustern analysierte, die gesammelt wurden, während ein Material erhitzt wurde, und automatisch plotte, wie sich die Struktur mit der Temperatur veränderte.

Die vielleicht beeindruckendste Demonstration betraf Materialien mit „inkommensurablen“ Strukturen, bei denen die atomare Anordnung sich nicht auf eine einfache, regelmäßige Weise wiederholt. Diese sind besonders schwierig zu analysieren, da die Muster zusätzliche, schwache Signale enthalten, die Standardsoftware oft übersieht. Die KI war in der Lage, diese subtilen Signale zu erkennen, die komplexe Modulation der Struktur zu bestimmen und das Modell mit hoher Präzision an die Daten anzupassen. Sie schaffte es sogar, Daten aus zwei verschiedenen Arten von Experimenten – Röntgenstrahlen und Neutronen – in eine einzige kohärente Analyse zu kombinieren, indem sie automatisch die Unterschiede in der Wechselwirkung der beiden Strahlen mit dem Material ausglich. In all diesen Tests lieferte das System konsistent Ergebnisse, die identisch mit denen menschlicher Experten waren, was bewies, dass der KI komplexe, mehrstufige wissenschaftliche Arbeitsabläufe anvertraut werden können.

Die Forscher betonen, dass die KI zwar leistungsstark ist, aber kein Ersatz für das menschliche Urteilsvermögen darstellt. Das System ist darauf ausgelegt, transparent zu sein, indem es detaillierte Berichte und interaktive Grafiken bereitstellt, die es dem Benutzer ermöglichen, genau zu sehen, was die KI getan hat und warum. Wenn die KI eine Entscheidung trifft, die ungewöhnlich erscheint, kann der Benutzer die Argumentation überprüfen und die Parameter anpassen. Das Ziel ist nicht, den Wissenschaftler aus dem Prozess zu entfernen, sondern ihn von der mühsamen Aufgabe des Codierens zu befreien, damit er sich auf die Interpretation der Ergebnisse konzentrieren kann. Das Team stellte fest, dass das System hoch reproduzierbar war; die mehrfache Durchführung derselben Analyse ergab nahezu identische Ergebnisse, mit nur geringfügigen Abweichungen in den Entscheidungen, die selbst menschliche Experten unterschiedlich treffen könnten.

Dieser neue Ansatz stellt eine signifikante Verschiebung in der Art und Weise dar, wie Beugungsdaten analysiert werden. Durch die Kombination der Geschwindigkeit und Zuverlässigkeit der TOPAS-Software mit der Anpassungsfähigkeit künstlicher Intelligenz haben die Forscher ein Werkzeug geschaffen, das das gesamte Spektrum kristallographischer Probleme bewältigen kann – von der einfachen Phasenidentifizierung bis hin zu den komplexesten Strukturverfeinerungen. Das System steht jedem zur Verfügung und kann mit neuen Regeln oder Beispielen erweitert werden, sobald die wissenschaftliche Gemeinschaft neue Materialien entdeckt. Die Arbeit legt nahe, dass die Zukunft der Materialwissenschaft aus einer Partnerschaft zwischen menschlicher Intuition und maschineller Automatisierung bestehen könnte, bei der der Computer die schwere Rechenarbeit leistet und der Mensch die Einsicht liefert, was die Zahlen bedeuten. Das Ergebnis ist ein schnellerer, zugänglicherer Weg, um die Geheimnisse der atomaren Welt zu entschlüsseln.