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

In der unsichtbaren Welt der Materialwissenschaften müssen Forscher Dinge sehen, die zu klein für das bloße Auge sind, zu klein für Standardmikroskope und sogar zu klein, um sie vom menschlichen Geist aus leicht erfassen zu können. Um diese winzigen Strukturen zu untersuchen, nutzen Wissenschaftler ein leistungsstarkes Werkzeug namens Raster-Transmissionselektronenmikroskopie (STEM). Stellen Sie sich einen Strahl von Elektronen vor, bei denen es sich um subatomare Teilchen handelt, die auf eine Probe geschossen werden, die so dünn ist, dass die Elektronen sie durchdringen können. Während der Strahl die Probe abtastet, interagiert er mit den Atomen und erzeugt so ein detailliertes Bild der internen Struktur der Probe. Doch die Form zu sehen, ist nur die halbe Geschichte. Um ein Material wirklich zu verstehen, müssen Wissenschaftler auch wissen, woraus es besteht und wie sich seine Atome verhalten. Hier kommt die Spektroskopie ins Spiel. Durch die Analyse der Energie, die Elektronen verlieren oder die Röntgenstrahlen, die sie aussenden, wenn sie auf die Probe treffen, können Forscher die spezifischen vorhandenen Elemente identifizieren und sogar deren chemischen Zustand bestimmen. Diese Kombination aus hochauflösender Bildgebung und chemischer Analyse ist essenziell für die Entwicklung besserer Batterien, effizienterer Katalysatoren und fortschrittlicher elektronischer Geräte. Es war jedoch schwierig, Computer beizubringen, diese komplexen Aufgaben auszuführen, da die für ihr Training erforderlichen Daten verstreut, unvollständig oder in privaten Archiven eingeschlossen waren.

Ein Forschungsteam der University of Pennsylvania hat nun die Landschaft verändert, indem es eine massive, offene Sammlung genau dieser Art von Daten veröffentlicht hat. Sie haben einen Datensatz namens STEM-Bank-26 zusammengestellt, der fast 38.000 Bilder und tausende spektroskopische Messungen enthält, die über fünf Jahre hinweg gesammelt wurden. Diese Sammlung ist nicht nur eine zufällige Ansammlung von Bildern; sie ist ein strukturierter Bericht darüber, wie Wissenschaftler tatsächlich arbeiten. Der Datensatz umfasst 37.921 Bilder, die von 1.095 verschiedenen Materialproben aus 1.499 separaten Experimentier-Sitzungen stammen. Für mehr als zwei Drittel dieser Sitzungen erfassten die Forscher auch spektroskopische Daten, was ein vollständiges Bild sowohl der physikalischen Struktur als auch der chemischen Zusammensetzung der Materialien liefert. Die Gesamtgröße dieser Sammlung beträgt 929 Gigabyte – ein Informationsvolumen, das sie zum größten frei verfügbaren Datensatz ihrer Art macht, der Bildgebung mit sowohl energiedispersiver Spektroskopie als auch Elektronenenergieverlustspektroskopie integriert.

Der wahre Wert dieser Arbeit liegt nicht nur in der schieren Anzahl der Dateien, sondern darin, wie die Forscher sie organisiert haben, um den menschlichen Entscheidungsprozess hinter der Wissenschaft offenzulegen. Die Elektronenmikroskopie ist kein vollautomatisierter Prozess; sie erfordert einen geschulten Bediener, der eine Probe betrachtet, entscheidet, welcher Bereich interessant ist, die Mikroskop-Einstellungen anpasst und dann entscheidet, chemische Daten an genau diesem Punkt zu sammeln. Diese Abfolge von Entscheidungen bildet eine „Trajektorie“, einen Pfad von Handlungen, der von einer allgemeinen Ansicht zu einer detaillierten Analyse führt. Da diese Entscheidungen selten in einer einzigen Datei aufgezeichnet werden, entwickelte das Team eine Methode, um diese Pfade zu rekonstruieren, indem sie die Metadaten verglich – die digitalen Tags, die jeder Datei angehängt sind und Zeit, Position sowie Einstellungen protokollieren. Durch die Analyse der Lücken zwischen den Bildern konnten sie schlussfolgern, wann ein Bediener die Probe an einen neuen Ort bewegte oder innehielt, um nachzudenken, wodurch sie ein statisches Archiv von Dateien effektiv in ein dynamisches Protokoll wissenschaftlicher Exploration verwandelten.

Diese Rekonstruktion ermöglicht es, dass der Datensatz als Trainingsgelände für künstliche Intelligenz dient. In der Vergangenheit wurden Bemühungen, „KI-Wissenschaftler“ zu bauen, die in der Lage sind, diese Mikroskope zu bedienen, durch einen Mangel an Daten behindert, die zeigen, wie Menschen die Mikroskope explorieren und auf neue Informationen reagieren. Bestehende Datensätze enthielten oft nur Bilder oder nur Spektren und ließen die entscheidende Verbindung zwischen beiden vermissen. Diese neue Sammlung schließt diese Lücke, indem sie eine realistische Sicht darauf bietet, wie ein Wissenschaftler von einer breiten Untersuchung einer Probe zu einer fokussierten Analyse eines spezifischen Merkmals übergeht. Die Daten zeigen, dass die meisten Experimentier-Sitzungen zwischen 10 und 100 Bilder umfassen, wobei ein signifikanter Teil chemische Kartierungen beinhaltet. Die Proben selbst sind vielfältig und reichen von heterogenen Katalysatoren, die in chemischen Reaktionen eingesetzt werden, bis hin zu Komponenten von Lithium-Ionen-Batterien, was eine breite Grundlage für maschinelle Lernmodelle schafft.

Die Forscher adressierten auch die logistischen Herausforderungen, die üblicherweise die Weitergabe solch großer Datensätze verhindern. Die Zeit am Mikroskop ist teuer, und die erzeugten Dateien sind oft zu groß, um sie vollständig zu veröffentlichen, was dazu führt, dass Wissenschaftler nur wenige repräsentative Bilder teilen. Diese neue Arbeit zeigt, dass es möglich ist, das gesamte Archiv zu teilen, ohne die wissenschaftliche Gemeinschaft zu überfordern. Das Team stellte Werkzeuge und Skripte zur Verfügung, die es anderen Forschern ermöglichen, ihre eigenen Archivdaten einfach in ähnliche Trajektorien-Datensätze umzuwandeln, was einen Wandel in der Art und Weise anregt, wie die Mikroskopie-Gemeinschaft ihre Arbeit teilt. Durch die Bereitstellung dieser Daten unter einer offenen Lizenz hoffen die Autoren, die Entwicklung der autonomen Materialforschung zu beschleunigen, bei der intelligente Systeme von menschlicher Expertise lernen können, um neue Materialien schneller und effizienter zu erforschen.

Obwohl der Datensatz ein bedeutender Schritt nach vorn ist, sind die Autoren sich seiner Einschränkungen bewusst. Die rekonstruierten Trajektorien sind Momentaufnahmen des Zustands des Mikroskops und kein kontinuierliches Video der Handlungen des Bedieners. Sie erfassen nicht die Momente, in denen ein Wissenschaftler den Objekttisch bewegt, um einen Bereich zu inspizieren, sich dann aber entscheidet, kein Bild aufzunehmen, was bedeutet, dass die Daten möglicherweise Bereiche leicht bevorzugen, die als würdig für eine hochauflösende Erfassung erachtet wurden. Zudem fehlen einige technische Details über die Linseneinstellungen des Mikroskops in den Originaldateien, was den Nutzen des Datensatzes für Aufgaben einschränkt, die eine präzise Abstimmung des Instruments erfordern. Trotz dieser Einschränkungen stellt die Sammlung eine robuste Ressource dar, um das komplexe Zusammenspiel zwischen Bildgebung und Spektroskopie zu verstehen. Sie bietet einen seltenen Einblick in den Arbeitsalltag der Materialwissenschaft und liefert das Rohmaterial, um Maschinen beizubringen, die nanoskalige Welt mit der gleichen Neugier und Urteilskraft wie ein menschlicher Experte zu sehen, zu analysieren und zu verstehen.