High Throughput Analysis of Nanobeam Electron Diffraction Datasets using Unsupervised Clustering

Resumen Técnico: Análisis de Alto Rendimiento de Conjuntos de Datos de Difracción de Nanobeam mediante Agrupamiento No Supervisado

Planteamiento del Problema
La difracción de nanobeam (NBED) dentro de la microscopía electrónica de transmisión de barrido tetradimensional (4DSTEM) genera conjuntos de datos masivos donde se registran patrones de difracción en cada punto de un escaneo 2D. Aunque la obtención de imágenes de Campo Oscuro Virtual (VDF) y las técnicas tradicionales de campo oscuro permiten la visualización de características cristalográficas específicas, a menudo presentan dificultades ante el contraste variable debido a la deformación de la muestra, defectos y la dificultad de segmentar numerosos granos o identificar fases menores e inesperadas. Además, los métodos de imagen estándar dependen de la suma de la intensidad bruta, la cual incluye ruido de fondo difuso y requiere intervención manual para definir las regiones de interés. Los autores identifican una brecha en las aplicaciones de aprendizaje automático para la microscopía electrónica: los estudios de agrupamiento previos han operado típicamente sobre patrones de difracción brutos (tratándolos como imágenes) o propiedades derivadas como la orientación cristalina, en lugar de realizar el agrupamiento directamente sobre listas dispersas de posiciones de picos de difracción que codifican conjuntamente la posición en el espacio recíproco, la posición de escaneo en el espacio real, la intensidad.

Metodología
El enfoque propuesto utiliza algoritmos de agrupamiento no supervisado, específicamente DBSCAN (Density-Based Spatial Clustering of Applications with Noise), aplicados directamente a "arrays de puntos" (pointsarrays). Estos arrays se generan mediante la detección de discos de difracción en los datos de 4DSTEM, lo que resulta en una lista dispersa de vectores para cada pico detectado que contiene coordenadas de espacio recíproco ($Q_x, Q_y$), intensidad ($I$) y coordenadas de escaneo en el espacio real ($R_x, R_y$).

El flujo de trabajo emplea una estrategia de agrupamiento jerárquica de múltiples niveles:

1. Preprocesamiento de Datos: Los patrones de difracción se convierten en pointsarrays. Se excluye el haz primario y se normalizan los datos.
2. Agrupamiento de Nivel 1 (L1): Los grupos (clusters) se forman basados en la similitud de los vectores de los picos de difracción.
   • Para sistemas policristalinos, el agrupamiento se realiza en un espacio 4D ($sQ_x, sQ_y, R_x, R_y$), donde un factor de escala $s$ pondera más fuertemente las posiciones del espacio recíproco que las del espacio real. Esto separa los picos con coordenadas de espacio recíproco similares pero que se originan en diferentes ubicaciones físicas.
   • Para sistemas de monocristal (con precipitados), el agrupamiento se realiza en el espacio recíproco 2D ($Q_x, Q_y$) para identificar familias distintas de puntos de difracción.
3. Agrupamiento de Nivel 2 (L2): Este nivel agrupa los clusters de L1 para identificar objetos físicos distintos (por ejemplo, granos individuales o variantes de cristal).
   • Para policristales, el agrupamiento L2 agrupa los componentes de L1 basándose en el Centro de Masa (COM) ponderado por intensidad de sus imágenes de Campo Oscuro Digital (DDF) en el espacio real.
   • Para monocristales, el agrupamiento L2 utiliza una matriz de distancia de Jaccard precalculada (basada en la superposición de imágenes de las máscaras DDF) para agrupar los clusters de L1 en familias de cristales con firmas espaciales y de difracción similares.
4. Agrupamiento de Nivel 3 (L3): Aplicado a puntos no agrupados de L1 para identificar componentes amorfos o nanocristalinos profundos. Esto se realiza en las coordenadas del espacio recíproco ($Q_x, Q_y$) con parámetros más laxos para capturar patrones de anillos difusos.
   El método fue validado en dos muestras distintas: una película delgada de Fe$_{60}$V$_{40}$ parcialmente cristalizada (policristalina) y una región de plessita de un meteorito de Imilac (monocristal con precipitados).

Resultados Clave

• Película de FeV Policristalina: El enfoque jerárquico segmentó con éxito la película en 52 granos cristalinos distintos (clusters L2) y un componente amorfo/nanocristalino separado (cluster L3). El agrupamiento L3 identificó un anillo difuso de BCC 110 correspondiente a la matriz no cristalizada y óxidos superficiales, los cuales eran invisibles para el agrupamiento L1 estándar. La imagen de Campo Oscuro Digital resultante visualizó claramente el proceso de recristalización parcial, distinguiendo los granos cristalinos de la capa amorfa subyacente.
• Plessita de Meteorito: En una matriz de monocristal que contiene precipitados, el agrupamiento L1 identificó más de 40 familias distintas de puntos de difracción, revelando características aciculares y estructuras finas que no son aparentes en la imagen de Campo Oscuro Anular (ADF) estándar. El agrupamiento L2, mediante la similitud de imagen, los agrupó en siete familias distintas. Este análisis reveló relaciones estructurales complejas: se encontró que las láminas grandes poseían bordes ricos en Ni (tetrataenita/taenita) y núcleos de Fe ricos en diferente orientación (kamacita), un detalle omitido por los escaneos de EELS superficiales. El agrupamiento confirmó una secuencia de precipitación donde la taenita se forma dentro de la kamacita, seguida de una mayor segregación en las láminas más grandes.
• Rendimiento: El análisis es computacionalmente eficiente. En una computadora portátil estándar, el proceso desde la carga de datos hasta el agrupamiento L2 y la visualización tomó aproximadamente 10 segundos para el conjunto de datos de la plessita, con un uso de memoria pico inferior a 4 GB. La representación de vectores dispersos reduce significativamente los requisitos de memoria en comparación con el procesamiento de cubos de datos 4DSTEM brutos.

Significancia y Reivindicaciones
El artículo sostiene que aplicar el agrupamiento no supervisado directamente a las listas dispersas de picos de difracción ofrece un método de alto rendimiento y automatizado para descomponer complejos conjuntos de datos de NBED. Los autores afirman que este enfoque:

1. Automatiza la Imagen y el Análisis: Elimina la necesidad de la colocación manual de aperturas y reduce el sesgo del usuario, generando automáticamente imágenes compuestas de componentes cristalinos y amorfos.
2. Mejora la Sensibilidad: Mejora la visibilidad de características débiles o componentes menores (como pequeños precipitados o regiones amorfas) que son difíciles de detectar mediante los métodos convencionales de TEM de campo oscuro o VDF.
3. Facilita la Segmentación: Proporciona una forma sencilla de segmentar cristales individuales en materiales policristalinos, permitiendo el cálculo directo de estadísticas de tamaño y forma de grano sin problemas de superposición.
4. Revela Estructuras Ocultas: En sistemas de monocristal, descubre detalles estructurales a nanoescala y relaciones de fase (por ejemplo, relaciones de orientación entre la matriz y los precipitados) que no son inmediatamente obvios mediante la imagen estándar.

Los autores posicionan este método como un paso preliminar que puede agilizar el análisis de datos de difracción de nanobeam, facilitando la identificación de características de interés antes de proceder con análisis más detallados de cristalografía o de la distribución del tamaño/forma de los cristales. Señalan que, aunque se utilizó DBSCAN, el marco es adaptable a otros algoritmos, y que la elección de las métricas de distancia (por ejemplo, Jaccard frente a ponderación por intensidad) sigue siendo un área para la optimización dependiendo de las características de cada conjunto de datos.