⚡ electrical engineering

Physics-Guided Deep Learning For High Resolution X-ray Imaging

यह शोध पत्र सिंगल-शॉट एक्स-रे इमेजिंग में स्ट्रक्चर्ड, नॉन-स्टेशनरी आर्टिफैक्ट्स को प्रभावी ढंग से दबाने के लिए एक यू-नेट (U-Net) आर्किटेक्चर का उपयोग करते हुए एक फिजिक्स-गाइडेड डीप लर्निंग दृष्टिकोण प्रस्तावित करता है, जो अनिश्चितता अनुमान (uncertainty estimation) के माध्यम से मजबूती सुनिश्चित करने के लिए डीप एंसेम्बल्स को शामिल करते हुए पारंपरिक तरीकों की तुलना में पुनर्निर्माण गुणवत्ता और सिग्नल संरक्षण में महत्वपूर्ण सुधार करता है।

मूल लेखक: Shao Xian Lee, Aashwin Ananda Mishra, Ariel Arnott, Meriame Berboucha, Nina Boiadjieva, Gourab Chatterjee, Eric Cunningham, Nick Czapla, Gilliss Dyer, Jonathan Ehni, Robert Ettelbrick, Anna Grassi, Mi

प्रकाशित 2026-05-05

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Shao Xian Lee, Aashwin Ananda Mishra, Ariel Arnott, Meriame Berboucha, Nina Boiadjieva, Gourab Chatterjee, Eric Cunningham, Nick Czapla, Gilliss Dyer, Jonathan Ehni, Robert Ettelbrick, Anna Grassi, Mickael Grech, Philip Hart, Dimitri Khaghani, Hae Ja Lee, Peregrine McGehee, Bob Nagler, Paul Neumayer, Caterina Riconda, Marc Welch, Andrea Zabala, Eric Galtier, Quynh L. Nguyen

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

यहाँ एक सरल भाषा और रचनात्मक उपमाओं का उपयोग करके शोध पत्र की व्याख्या दी गई है।

समस्या: "गंदी खिड़की" का प्रभाव (The "Dirty Window" Effect)

कल्पना कीजिए कि आप एक अंधेरे कमरे के भीतर एक छोटे, चमकते हुए जुगनू (X-ray सिग्नल) की एकदम स्पष्ट फोटो लेने की कोशिश कर रहे हैं। हालाँकि, जिस खिड़की से आप देख रहे हैं वह गंदी है। उस पर धब्बे, धूल और खरोंचें हैं (आर्टिफैक्ट्स/artifacts)।

एक आदर्श दुनिया में, आप खाली गंदी खिड़की की एक तस्वीर ले सकते हैं, फिर उस खिड़की के पीछे मौजूद जुगनू की एक तस्वीर ले सकते हैं, और गंदगी को "रद्द" करने के लिए बस दूसरी तस्वीर को पहली तस्वीर से विभाजित कर सकते हैं। X-ray छवियों को साफ करने के लिए वैज्ञानिक आमतौर पर इसी तरीके का उपयोग करते हैं।

लेकिन यहाँ एक पेंच है: खिड़की पर जमी गंदगी स्थिर नहीं है। हर बार जब आप फोटो लेते हैं, तो हवा धूल को थोड़ा बाईं ओर उड़ा देती है, या रोशनी धब्बे को थोड़ा खिसका देती है। क्योंकि "गंदी खिड़की" वाली तस्वीर और "जुगनू" वाली तस्वीर एक दूसरे से पूरी तरह मेल नहीं खातीं, इसलिए गणित गंदगी को पूरी तरह खत्म नहीं कर पाता। इसके बजाय, यह एक धुंधला सा पैटर्न पीछे छोड़ देता है जो जुगनू को छिपा देता है या उसे गलत जगह पर दिखाता है।

वैज्ञानिक दुनिया में, यह "गंदगी" लेंसों और स्वयं X-ray बीम की खामियों से आती है। यह एक "स्ट्रक्चर्ड नॉइज़" (संरचित शोर) पैदा करता है जो वास्तविक प्रयोगात्मक डेटा के साथ मिल जाता है, जिससे इलेक्ट्रॉनों की गति या सूक्ष्म संरचनाओं के आकार जैसी चीजों को मापना कठिन हो जाता है।

समाधान: एक स्मार्ट AI "गंदगी हटाने वाला" (A Smart AI "Dirt Remover")

शोधकर्ताओं ने इसे ठीक करने के लिए डीप लर्निंग (आर्टिफिशियल इंटेलिजेंस का एक प्रकार) का उपयोग करके एक नई विधि विकसित की है। मैन्युअल रूप से गणित करने के बजाय, उन्होंने एक कंप्यूटर प्रोग्राम (विशेष रूप से एक U-Net, जो एक "U" आकार का AI आर्किटेक्चर है) को एक अत्यंत बुद्धिमान कला संरक्षक (art restorer) की तरह काम करने के लिए प्रशिक्षित किया।

यह कैसे काम करता है:

AI को प्रशिक्षित करना: उन्होंने AI को "गंदी खिड़की" की हजारों तस्वीरें दिखाईं (वे चित्र जो प्रयोग चलते समय नहीं लिए गए थे)। AI ने सीखा कि "गंदगी" कैसी दिखती है और शॉट-दर-शॉट वह कैसे थोड़ी बदलती है।
"पृथक्करण" की तकनीक (The "Separation" Trick): AI ने गंदगी को कागज पर लगे एक स्टिकर की तरह एक अलग परत के रूप में पहचानना सीखा। यह केवल छवि को धुंधला नहीं करता; बल्कि यह सटीक रूप से अनुमान लगाता है कि गंदगी कहाँ है और उसे "छीलकर अलग" कर देता है।
परिणाम: एक बार जब AI गंदगी की परत का अनुमान लगा लेता है, तो वह तस्वीर को साफ करने के लिए गणित करने से पहले प्रयोगात्मक छवि से उसे हटा देता है। इससे जुगनू का बहुत स्पष्ट दृश्य प्राप्त होता है (वैज्ञानिक सिग्नल)।

यह पुराने तरीकों से बेहतर क्यों है?

शोध पत्र ने अपने AI तरीके की तुलना छवियों को साफ करने के दो अन्य तरीकों से की:

फूरियर फ़िल्टरिंग (Fourier Filtering - द "सीव"): यह पुराना तरीका छवि की आवृत्तियों (frequencies) को देखकर शोर को छानने की कोशिश करता है, जैसे रेत को कंकड़ों से अलग करने के लिए छलनी का उपयोग करना। समस्या यह है कि "गंदगी" और "जुगनू" का आकार समान होता है। यदि आप गंदगी को छानने की कोशिश करते हैं, तो आप गलती से जुगनू को भी छान देंगे। AI, हालांकि, गंदगी को हटाते हुए जुगनू को बनाए रखने में सक्षम है।
डायनेमिक नॉर्मलाइजेशन (Dynamic Normalization - द "एडजस्टेबल लेंस"): यह विधि प्रयोगात्मक छवि से मेल खाने के लिए "गंदी खिड़की" वाली तस्वीर को गणितीय रूप से समायोजित करने की कोशिश करती है। शोध पत्र में पाया गया कि यह पर्याप्त रूप से काम नहीं करता क्योंकि गंदगी जटिल तरीकों से चलती है जिसे साधारण गणित ट्रैक नहीं कर सकता।

परिणाम:
AI का परीक्षण "नकली जुगनूओं" को छवियों में "इंजेक्ट" करके किया गया ताकि यह देखा जा सके कि सफाई प्रक्रिया के दौरान वे जीवित रहते हैं या नहीं।

पुराने तरीकों ने जुगनुओं को धुंधला, मंद या उनके आकार को बदला हुआ दिखाया।
AI ने जुगनुओं को तीक्ष्ण (sharp), चमकदार और सही आकार में बनाए रखा।
जुगनुओं की लंबाई मापने के मामले में, AI बहुत सटीक था (केवल लगभग 8% त्रुटि), जबकि पुराने तरीकों में 11% से 16% तक की त्रुटि थी।

"शॉक वेव" की चुनौती (The "Shock Wave" Challenge)

शोधकर्ताओं ने यह भी परीक्षण किया कि क्या उनका AI कुछ पूरी तरह से अलग चीज़ को संभाल सकता है: एक शॉक वेव (एक विशाल, फैलती हुई ब्लास्ट वेव) के बजाय छोटा जुगनू।

समस्या: AI को केवल छोटे जुगनुओं पर प्रशिक्षित किया गया था। जब इसने एक विशाल शॉक वेव देखी, तो यह भ्रमित हो गया। इसने सोचा कि शॉक वेव का एक हिस्सा "गंदगी" है और इसे हटाने की कोशिश की, जिससे शॉक वेव कमजोर दिखने लगी।
समाधान: उन्होंने AI को शॉक वेव की तस्वीरों के साथ फिर से प्रशिक्षित किया। एक बार जब AI ने सीख लिया कि शॉक वेव कैसी दिखती है, तो इसने उसे हटाने की कोशिश करना बंद कर दिया और शॉक वेव को बरकरार रखते हुए सफलतापूर्वक छवि को साफ किया।

"सेफ्टी नेट" (अनिश्चितता/Uncertainty)

चूंकि यह AI बहुत शक्तिशाली है, शोधकर्ता यह सुनिश्चित करना चाहते थे कि यह गलती से किसी ऐसी महत्वपूर्ण चीज़ को डिलीट न कर दे जिसे इसने पहले नहीं देखा है।

उन्होंने डीप एन्सेम्बल्स (Deep Ensembles) नामक तकनीक का उपयोग किया, जहाँ उन्होंने 10 थोड़े अलग AI संस्करणों को प्रशिक्षित किया।
यदि सभी 10 AI छवि को साफ करने के तरीके पर सहमत होते हैं, तो वे आश्वस्त होते हैं।
यदि 10 AI आपस में बहस करने लगते हैं (उच्च "एन्ट्रॉपी" या असहमति दिखाते हैं), तो सिस्टम उस क्षेत्र को "अनिश्चित" (Uncertain) के रूप में चिह्नित करता है। यह एक सर्किट ब्रेकर की तरह काम करता है, जो वैज्ञानिकों को चेतावनी देता है: "हे, यहाँ कुछ नया और अजीब है जिसे हमने पहले नहीं देखा है। इस स्थान पर साफ की गई छवि पर भरोसा न करें!"

यह क्यों महत्वपूर्ण है?

यह तकनीक अगली पीढ़ी के X-ray केंद्रों के लिए महत्वपूर्ण है जो प्रति सेकंड लाखों तस्वीरें लेंगे।

गति: AI मिलीसेकंड में एक छवि को साफ कर सकता है।
स्वचालन (Automation): क्योंकि यह इतना तेज़ है, इसका उपयोग प्रयोगों को स्वचालित रूप से चलाने में मदद करने के लिए रीयल-टाइम में किया जा सकता है।
विश्वसनीयता: यह सुनिश्चित करता है कि वैज्ञानिक उच्च-ऊर्जा भौतिकी (जैसे फ्यूजन ऊर्जा कैसे काम करती है) को समझने के लिए जिस डेटा का उपयोग करते हैं, वह मशीन की अपनी "गंदी खिड़की" से दूषित न हो।

संक्षेप में, यह शोध पत्र एक स्मार्ट, तेज़ और स्व-जांच करने वाले AI को प्रस्तुत करता है जो मशीन की "गंदगी" और प्रयोग के "सिग्नल" के बीच अंतर करना सीखकर X-ray छवियों को साफ करता है, जिससे वैज्ञानिकों को अदृश्य दुनिया को बहुत अधिक स्पष्टता के साथ देखने में मदद मिलती है।

तकनीकी सारांश: उच्च रिज़ॉल्यूशन एक्स-रे इमेजिंग के लिए भौतिकी-निर्देशित डीप लर्निंग

समस्या विवरण
उच्च-रिज़ॉल्यूशन एक्स-रे इमेजिंग, विशेष रूप से एक्स-रे फ्री-इलेक्ट्रॉन लेजर (XFELs) का उपयोग करने वाले हाई एनर्जी डेंसिटी (HED) और इनर्शियल फ्यूजन एनर्जी (IFE) प्रयोगों में, अक्सर संरचित, गैर-स्थिर आर्टिफ़ेक्ट्स (artifacts) के कारण बाधित होती है। ये आर्टिफ़ेक्ट्स इमेजिंग सिस्टम के घटकों, जैसे कि बेरिलियम कंपाउंड रिफ्रैक्टिव लेंस (CRL) में घनत्व की विसंगतियों से उत्पन्न होते हैं। स्टोकेस्टिक शोर (stochastic noise) के विपरीत, ये मल्टीप्लिकेटिव मॉड्यूलेशन (multiplicative modulations) हैं जो बीम पॉइंटिंग जिटर और फोटॉन ऊर्जा में भिन्नता के कारण शॉट-दर-शॉट थोड़ा विचलित होते हैं।

मानक पुनर्निर्माण (reconstruction) फ्लैट-फील्ड नॉर्मलाइज़ेशन ( $T = I_{shot}/I_{flat}$ ) पर निर्भर करता है। हालाँकि, क्योंकि लेजर-चालित इमेज ( $I_{shot}$ ) और फ्लैट-फील्ड संदर्भ ( $I_{flat}$ ) में मौजूद संरचित आर्टिफ़ेक्ट्स पूरी तरह से संरेखित नहीं हैं, इसलिए सरल विभाजन उन्हें स्पष्ट रूप से रद्द करने में विफल रहता है। यह ट्रांसमिशन मैप पर अवशेष पैटर्न छोड़ देता है जो रुचि के सिग्नल (जैसे इलेक्ट्रॉन फिलामेंटेशन) के साथ ओवरलैप होते हैं, जिससे इमेज की शुद्धता कम हो जाती है और इलेक्ट्रॉन घनत्व, वेग और फीचर साइज के मात्रात्मक मापन में पूर्वाग्रह आता है। पारंपरिक डिनोइजिंग विधियाँ और फूरियर फ़िल्टरिंग अप्रभावी हैं क्योंकि आर्टिफ़ेक्ट्स भौतिक सिग्नल के साथ ओवरलैपिंग स्थानिक-आवृत्ति (spatial-frequency) घटकों को साझा करते हैं; आक्रामक फ़िल्टरिंग आर्टिफ़ेक्ट्स को तो दबा देती है लेकिन वास्तविक फिलामेंट सिग्नल को भी कम कर देती है।

कार्यप्रणाली (Methodology)
लेखक एक फिजिक्स-गाइडेड डीप लर्निंग दृष्टिकोण प्रस्तावित करते हैं जो संरचित आर्टिफ़ेक्ट को शोर के बजाय एक विभाज्य फीचर लेयर (separable feature layer) के रूप में मानता है। मुख्य कार्यप्रणाली इस प्रकार है:

U-Net आर्किटेक्चर: एक 2D U-Net नेटवर्क को प्रयोगात्मक डेटा से सीधे आर्टिफ़ेक्ट लेयर का अनुमान लगाने के लिए प्रशिक्षित किया जाता है। नेटवर्क को फीचर लेयर ( $I_{pred}$ ) की भविष्यवाणी करने के लिए डिज़ाइन किया गया है जिसे विभाजन ( $I_{clean} = I_{raw} / I_{pred}$ ) के माध्यम से रॉ इमेज से हटाया जाता है।
प्रशिक्षण रणनीति (Training Strategy):
- डेटा: मॉडल को केवल "कोल्ड-शॉट" डेटासेट्स (एक्स-रे प्रोब ही, कोई ऑप्टिकल ड्राइव नहीं) पर प्रशिक्षित किया जाता है ताकि यह बिना फिलामेंट सिग्नल के इमेजिंग सिस्टम के अंतर्निहित आर्टिफ़ेक्ट्स को सीख सके।
- ऑग्मेंटेशन (Augmentation): नेटवर्क को फिलामेंट सिग्नल को आर्टिफ़ेक्ट के रूप में गलत वर्गीकृत करने से रोकने के लिए, प्रशिक्षण डेटा को 90% संभावना के साथ कोल्ड-शॉट इमेजेस पर रैंडमली फिलामेंट पैचेस (लेजर-चालित शॉट्स से निकाले गए) को ओवरले करके ऑग्मेंट किया जाता है।
- लॉस फंक्शन (Loss Function): एक फिलामेंट-अवेयर वेटेड L1 लॉस का उपयोग किया जाता है, जो पेस्ट किए गए फिलामेंट क्षेत्रों के भीतर पिक्सल पर 11x वेट लागू करता है ताकि यह सुनिश्चित हो सके कि नेटवर्क इन संरचनाओं को सुरक्षित रखते हुए बैकग्राउंड आर्टिफेक्ट्स को दबा दे।
- लॉगैरिथमिक डोमेन (Logarithmic Domain): चूंकि आर्टिफ़ेक्ट्स मल्टीप्लिकेटिव मॉड्यूलेशन के रूप में व्यवहार करते हैं, इसलिए प्रशिक्षण के लिए इमेजेस को लॉगैरिथमिक डोमेन में परिवर्तित किया जाता है, जिससे नेटवर्क को इंटेंसिटी स्पेस में वापस बदलने से पहले एडिटिव करेक्शन सीखने की अनुमति मिलती है।
इन्फरेंस पाइपलाइन (Inference Pipeline): प्रशिक्षित मॉडल को नॉर्मलाइज़ेशन से पहले लेजर-चालित इमेज ( $I_{shot}$ ) और फ्लैट-फील्ड इमेज ( $I_{flat}$ ) दोनों पर लागू किया जाता है। सुधारा गया ट्रांसमिशन मैप फिर $T_{corr} = \tilde{I}_{shot} / \tilde{I}_{flat}$ के रूप में पुनर्निर्मित किया जाता है।
अनिश्चितता परिमाणीकरण (Uncertainty Quantification): आउट-ऑफ-डिस्ट्रीब्यूशन (OOD) जोखिमों (जैसे शॉक वेव्स जैसी नवीन भौतिकी जो प्रशिक्षण डेटा से भिन्न है) को संबोधित करने के लिए, लेखक डीप एन्सेम्बल्स (Deep Ensembles) का उपयोग करते हैं। दस स्वतंत्र रूप से प्रशिक्षित U-Net मॉडल भविष्यवाणियां उत्पन्न करते हैं, और एन्सेम्बल वेरिएंस के पिक्सेल-वाइज एंट्रॉपी की गणना की जाती है। उच्च एंट्रॉपी वाले क्षेत्र संभावित OOD फीचर्स या अविश्वसनीय पुनर्निर्माणों को चिह्नित करते हैं।

प्रमुख परिणाम
इस विधि का मूल्यांकन दो बेसलाइनों के विरुद्ध किया गया: फूरियर फ़िल्टरिंग और डायनेमिक फ्लैट-फील्ड नॉर्मलाइज़ेशन (DFFN)।

आर्टिफ़ेक्ट दमन बनाम सिग्नल संरक्षण: सिंथेटिक इंजेक्शन परीक्षणों में, जहाँ ज्ञात फिलामेंट मैप्स को कोल्ड-शॉट इमेजेस में डाला गया था, U-Net दृष्टिकोण बेसलाइनों से काफी बेहतर रहा।
- स्ट्रक्चरल सिमिलरिटी (MSSIM): हाई-कॉन्ट्रास्ट फिलामेंट्स के लिए 0.345 (Raw) से बढ़कर 0.906 (U-Net) हो गया, और लो-कॉन्ट्रास्ट फिलामेंट्स के लिए 0.0679 से 0.945 हो गया।
- पीक सिग्नल-टू-नॉइज़ रेशियो (PSNR): दो टेस्ट केस के लिए 28.6 और 29.0 तक बढ़ गया, जबकि फूरियर फ़िल्टरिंग के लिए यह ~26.2 और 23.8 था।
- मीन स्क्वेर्ड एरर (MSE): 0.0013 और 0.0012 तक कम हो गया, जो फूरियर फ़िल्टरिंग (0.0024, 0.0042) और DFFN की तुलना में काफी कम है।
मात्रात्मक माप: U-Net पुनर्निर्माणों से प्राप्त फिलामेंट लंबाई मापनों ने 8.66% का RMSPE दिखाया, जबकि फूरियर फ़िल्टरिंग के लिए यह 16.71% और DFFN के लिए 11.3% था। देखा गया कि फूरियर फ़िल्टरिंग फिलामेंट के सिरों (tips) को कम कर देती है, जिससे माप त्रुटियां होती हैं।
सामान्यीकरण (Generalizability): जब इसे एक शॉक वेव (एक बड़े पैमाने की संरचना जो प्रशिक्षण में मौजूद नहीं थी) पर लागू किया गया, तो इसने फिलामेंट-प्रशिक्षित मॉडल के सिग्नल को आंशिक रूप से अवशोषित कर लिया, जिससे MSSIM घटकर 0.629 रह गया। हालांकि, बढ़ी हुई क्षमता वाले एक रिट्रेन "शॉक-अवेयर" मॉडल ने MSSIM को 0.708 तक सुधार दिया, जो ढांचे की अनुकूलन क्षमता को प्रदर्शित करता है।
OOD डिटेक्शन: डीप एन्सेम्बल एंट्रॉपी मैप्स ने सफलतापूर्वक उन क्षेत्रों को हाइलाइट किया जहाँ अनिश्चितता अधिक थी (जैसे शॉक वेव संरचनाएं), जहाँ मॉडल के पास प्रशिक्षण डेटा की कमी थी, जो एक "सर्किट ब्रेकर" के रूप में कार्य करता है।

महत्व और दावे
यह पेपर दावा करता है कि यह दृष्टिकोण अगली पीढ़ी के उच्च-रिपिटिशन-रेट एक्स-रे सुविधाओं (जैसे LCLS-II और APS अपग्रेड) के लिए एक महत्वपूर्ण बाधा को दूर करता है, जहाँ डेटा वॉल्यूम इटरेटिव या मैनुअल पोस्ट-प्रोसेसिंग को अव्यवहारिक बना देता है।

रियल-टाइम क्षमता: इन्फरेंस के लिए केवल एक सिंगल फॉरवर्ड पास की आवश्यकता होती है (मिलीसेकंड-स्केल), जो एज कंप्यूटिंग पाइपलाइन्स के लिए उपयुक्त ऑन-द-फ्लाई आर्टिफ़ेक्ट सप्रेशन को सक्षम बनाता है।
मजबूती (Robustness): आर्टिफ़ेक्ट रिमूवल को नॉर्मलाइज़ेशन स्टेप से अलग करके और मॉडल को $I_{shot}$ और $I_{flat}$ दोनों पर लागू करके, यह विधि शॉट-दर-शॉट ड्रिफ्ट के कारण होने वाले अवशेष पैटर्न को समाप्त करती है, जिसे मानक फ्लैट-फील्ड नॉर्मलाइज़ेशन हल नहीं कर सकता।
विश्वसनीयता: डीप एन्सेम्बल्स का एकीकरण एपिस्टेमिक अनिश्चितता (epistemic uncertainty) को मापने के लिए एक तंत्र प्रदान करता है, यह सुनिश्चित करता है कि सिस्टम नवीन भौतिक घटनाओं को अंधाधुंध न हटाए, जिससे स्वायत्त प्रयोग स्टीयरिंग (autonomous experiment steering) को समर्थन मिलता है।

लेखक निष्कर्ष निकालते हैं कि यह फिजिक्स-गाइडेड डीप लर्निंग फ्रेमवर्क HED प्रयोगों में अधिक विश्वसनीय मात्रात्मक ट्रांसपोर्ट ऑब्जर्वेबल्स के निष्कर्षण को सक्षम बनाता है, जो इनर्शियल फ्यूजन एनर्जी अनुसंधान को आगे बढ़ाने के लिए एक आवश्यक क्षमता है।