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

सामग्री विज्ञान (materials science) की अदृश्य दुनिया में, शोधकर्ताओं को उन चीजों को देखने की आवश्यकता होती है जो नग्न आंखों के लिए बहुत छोटी हैं, मानक सूक्ष्मदर्शी (microscopes) के लिए बहुत छोटी हैं, और यहाँ तक कि मानव मस्तिष्क के लिए भी आसानी से समझना कठिन है। इन सूक्ष्म संरचनाओं का अध्ययन करने के लिए, वैज्ञानिक स्कैनिंग ट्रांसमिशन इलेक्ट्रॉन माइक्रोस्कोपी नामक एक शक्तिशाली उपकरण का उपयोग करते हैं। एक इलेक्ट्रॉन बीम की कल्पना करें, जो उप-परमाणु कण (subatomic particles) हैं, जिसे एक ऐसे नमूने पर दागा जाता है जो इतना पतला हो कि इलेक्ट्रॉन उससे गुजर सकें। जैसे ही बीम सामग्री के आर-पार स्कैन करती है, यह परमाणुओं के साथ परस्पर क्रिया करती है, जिससे नमूने की आंतरिक संरचना की एक विस्तृत तस्वीर बनती है। लेकिन केवल आकार देखना कहानी का आधा हिस्सा है। किसी सामग्री को वास्तव में समझने के लिए, वैज्ञानिकों को यह भी जानने की आवश्यकता होती है कि वह किस चीज से बनी है और उसके परमाणु कैसे व्यवहार कर रहे हैं। यहीं पर स्पेक्ट्रोस्कोपी (spectroscopy) काम आती है। नमूने से टकराने वाले इलेक्ट्रॉनों या उनके द्वारा उत्सर्जित एक्स-रे द्वारा खोई गई ऊर्जा का विश्लेषण करके, शोधकर्ता मौजूद विशिष्ट तत्वों की पहचान कर सकते हैं और यहाँ तक कि उनकी रासायनिक अवस्था का भी निर्धारण कर सकते हैं। उच्च-रिज़ॉल्यूशन इमेजिंग और रासायनिक विश्लेषण का यह संयोजन बेहतर बैटरी, अधिक कुशल उत्प्रेरक (catalysts) और उन्नत इलेक्ट्रॉनिक उपकरणों को विकसित करने के लिए आवश्यक है। हालाँकि, कंप्यूटरों को ये जटिल कार्य करने के लिए सिखाना कठिन रहा है क्योंकि इसके लिए आवश्यक डेटा बिखरा हुआ, अधूरा या निजी अभिलेखागारों में बंद था।

पेनसिलवेनिया विश्वविद्यालय के शोधकर्ताओं की एक टीम ने अब इस प्रकार के डेटा का एक विशाल, खुला संग्रह जारी करके परिदृश्य को बदल दिया है। उन्होंने STEM-Bank-26 नामक एक डेटासेट तैयार किया है, जिसमें पांच वर्षों में एकत्र की गई लगभग 38,000 छवियां और हजारों स्पेक्ट्रोस्कोपिक माप शामिल हैं। यह संग्रह केवल चित्रों का एक यादृच्छिक समूह नहीं है; यह एक संरचित रिकॉर्ड है कि वैज्ञानिक वास्तव में कैसे काम करते हैं। इस डेटासेट में 1,095 विभिन्न सामग्री नमूनों से ली गई 37,921 छवियां और 1,499 अलग-अलग प्रयोगात्मक सत्र शामिल हैं। दो-तिहाई से अधिक सत्रों के लिए, शोधकर्ताओं ने स्पेक्ट्रोस्कोपिक डेटा भी कैप्चर किया, जो सामग्रियों की भौतिक संरचना और रासायनिक संरचना दोनों की एक पूर्ण तस्वीर प्रदान करता है। इस संग्रह का कुल आकार 929 गीगाबाइट है, सूचना का एक ऐसा आयतन जो ऊर्जा-विक्षेपी स्पेक्ट्रोस्कोपी (energy-dispersive spectroscopy) और इलेक्ट्रॉन-ऊर्जा हानि स्पेक्ट्रोस्कोपी (electron-energy loss spectroscopy) दोनों के साथ इमेजिंग को एकीकृत करने वाला अपने प्रकार का सबसे बड़ा खुले रूप से उपलब्ध डेटासेट बनाता है।

इस कार्य का वास्तविक मूल्य केवल फाइलों की संख्या में नहीं है, बल्कि इसमें भी है कि शोधकर्ताओं ने वैज्ञानिक के पीछे के मानवीय निर्णय लेने की प्रक्रिया को प्रकट करने के लिए उन्हें कैसे व्यवस्थित किया है। इलेक्ट्रॉन माइक्रोस्कोपी एक पूरी तरह से स्वचालित प्रक्रिया नहीं है; इसके लिए एक कुशल ऑपरेटर की आवश्यकता होती है जो एक नमूने को देखे, तय करे कि कौन सा क्षेत्र दिलचस्प है, माइक्रोस्कोप की सेटिंग्स को समायोजित करे, और फिर उस विशिष्ट स्थान पर रासायनिक डेटा एकत्र करने का निर्णय ले। निर्णयों की यह श्रृंखला एक "ट्रैजेक्टरी" (trajectory) बनाती है, जो क्रियाओं का एक पथ है जो एक सामान्य दृश्य से विस्तृत विश्लेषण की ओर ले जाता है। चूंकि ये निर्णय शायद ही कभी एक एकल फ़ाइल में रिकॉर्ड किए जाते हैं, इसलिए टीम ने मेटाडेटा—प्रत्येक फ़ाइल के साथ जुड़े डिजिटल टैग जो समय, स्थिति और सेटिंग्स को रिकॉर्ड करते हैं—की तुलना करके इन पथों को पुनर्गठित करने की एक विधि विकसित की। छवियों के बीच के अंतराल का विश्लेषण करके, वे यह अनुमान लगा सके कि कब एक ऑपरेटर ने नमूने को एक नए स्थान पर स्थानांतरित किया या सोचने के लिए विराम लिया, जिससे प्रभावी रूप से एक स्थिर संग्रह को वैज्ञानिक अन्वेषण के एक गतिशील रिकॉर्ड में बदल दिया गया।

यह पुनर्निर्माण इस डेटासेट को आर्टिफिशियल इंटेलिजेंस (AI) के लिए एक प्रशिक्षण मैदान के रूप में कार्य करने की अनुमति देता है। अतीत में, इन सूक्ष्मदर्शी यंत्रों को संचालित करने में सक्षम "AI वैज्ञानिकों" को बनाने के प्रयास इस डेटा की कमी के कारण रुक गए थे जो यह दिखाते कि मनुष्य कैसे अन्वेषण करते हैं और नई जानकारी के अनुकूल होते हैं। मौजूदा डेटासेट में अक्सर या तो केवल चित्र होते थे या केवल स्पेक्ट्रा, जिनमें दोनों के बीच का महत्वपूर्ण लिंक गायब था। यह नया संग्रह उस अंतर को पाटता है, जो एक वास्तविक दृश्य प्रदान करता है कि कैसे एक वैज्ञानिक एक व्यापक सर्वेक्षण से एक विशिष्ट विशेषता के केंद्रित विश्लेषण की ओर बढ़ता है। डेटा दिखाता है कि अधिकांश प्रयोगात्मक सत्रों में 10 से 100 छवियां शामिल होती हैं, जिनमें से एक महत्वपूर्ण हिस्सा रासायनिक मानचित्रण (chemical mapping) को शामिल करता है। नमूने स्वयं विविध हैं, जिनमें रासायनिक प्रतिक्रियाओं में उपयोग किए जाने वाले विषम उत्प्रेरकों (heterogeneous catalysts) से लेकर लिथियम-आयन बैटरी के घटक तक शामिल हैं, जो मशीन लर्निंग मॉडल को सीखने के लिए एक व्यापक आधार प्रदान करते हैं।

शोधकर्ताओं ने उन तार्किक चुनौतियों का भी समाधान किया जो आमतौर पर इतने बड़े डेटासेट को साझा करने से रोकती हैं। माइक्रोस्कोप का समय महंगा होता है, और उत्पन्न होने वाली फाइलें अक्सर इतनी बड़ी होती हैं कि उन्हें पूर्ण रूप से प्रकाशित करना कठिन होता है, जिससे वैज्ञानिक केवल कुछ प्रतिनिधि चित्र ही साझा कर पाते हैं। यह नया कार्य प्रदर्शित करता है कि वैज्ञानिक समुदाय को अभिभूत किए बिना पूरे संग्रह को साझा करना संभव है। टीम ने ऐसे उपकरण और स्क्रिप्ट प्रदान किए हैं जो अन्य शोधकर्ताओं को अपने स्वयं के अभिलेखीय डेटा को इसी तरह के ट्रैजेक्टरी डेटासेट में आसानी से बदलने की अनुमति देते हैं, जिससे माइक्रोस्कोपी समुदाय के अपने कार्य को साझा करने के तरीके में बदलाव लाने के लिए प्रोत्साहन मिलता है। इस डेटा को एक मुक्त लाइसेंस के तहत उपलब्ध कराकर, लेखक स्वायत्त सामग्री अनुसंधान (autonomous materials research) के विकास को गति देने की आशा करते हैं, जहाँ बुद्धिमान प्रणालियाँ नई सामग्रियों को तेज़ी से और अधिक कुशलता से खोजने के लिए मानवीय विशेषज्ञता से सीख सकती हैं।

हालांकि यह डेटासेट एक महत्वपूर्ण कदम है, लेखक इसकी सीमाओं के बारे में स्पष्ट हैं। पुनर्निर्मित ट्रैजेक्टरी ऑपरेटर के कार्यों का निरंतर वीडियो होने के बजाय माइक्रोस्कोप की स्थिति के स्नैपशॉट हैं। वे उन क्षणों को कैप्चर नहीं करते हैं जब एक वैज्ञानिक किसी क्षेत्र का निरीक्षण करने के लिए स्टेज को हिलाता है लेकिन चित्र लेने का निर्णय नहीं लेता है, जिसका अर्थ है कि डेटा शायद उन क्षेत्रों की ओर थोड़ा झुका हुआ हो सकता है जिन्हें उच्च-रिज़ॉल्यूशन कैप्चर के योग्य माना गया था। इसके अतिरिक्त, मूल फाइलों से माइक्रोस्कोप की लेंस सेटिंग्स के बारे में कुछ तकनीकी विवरण गायब हैं, जो उपकरण के सटीक ट्यूनिंग से जुड़े कार्यों के लिए इस डेटासेट के उपयोग को सीमित करता है। इन बाधाओं के बावजूद, यह संग्रह इमेजिंग और स्पेक्ट्रोस्कोपी के बीच जटिल परस्पर क्रिया को समझने के लिए एक मजबूत संसाधन के रूप में खड़ा है। यह सामग्री विज्ञान की दैनिक कार्यप्रणाली की एक दुर्लभ झलक पेश करता है, जो मशीनों को मानव विशेषज्ञ की तरह जिज्ञासा और निर्णय के साथ नैनोस्केल दुनिया को देखने, विश्लेषण करने और समझने के लिए सिखाने हेतु कच्चा माल प्रदान करता है।