Label Efficient Segmentation of SiC–C–Si Phases in SiC-based Ceramics from Optical Micrographs Using a Compact U-Net

सिलिकॉन कार्बाइड एक ऐसा पदार्थ है जिसे स्थायित्व के लिए बनाया गया है। यह एक ऐसा सिरेमिक है जो इतना कठोर है कि स्टील को काट सकता है, फिर भी एयरोस्पेस में उपयोग करने के लिए पर्याप्त हल्का है, और यह उन तापमानों को सहन कर सकता है जो अधिकांश धातुओं को पिघला सकते हैं। इन गुणों के कारण, इंजीनियर इसका उपयोग इंजनों, ब्रेक और उच्च-तापमान वाले भट्टियों के पुर्जे बनाने के लिए करते हैं। हालाँकि, यह सामग्री एक एकल, समान पदार्थ नहीं है। सिलिकॉन कार्बाइड सिरेमिक के एक ब्लॉक के भीतर, तीन अलग-अलग घटकों का एक जटिल मिश्रण होता है: मुख्य सिलिकॉन कार्बाइड क्रिस्टल, बचा हुआ मुक्त सिलिकॉन, और कार्बन के पॉकेट। अंतिम भाग का प्रदर्शन पूरी तरह से इस बात पर निर्भर करता है कि ये तीन सामग्रियां कैसे व्यवस्थित हैं और प्रत्येक की मात्रा कितनी है। यदि सिलिकॉन की मात्रा बहुत अधिक है, तो भाग भंगुर हो सकता है; यदि कार्बन असमान रूप से वितरित है, तो यह तनाव के तहत विफल हो सकता है। बेहतर सामग्रियां बनाने के लिए, वैज्ञानिकों को यह जानने की आवश्यकता है कि इसके अंदर वास्तव में क्या है, लेकिन सूक्ष्मदर्शी के नीचे इन सूक्ष्म, मिश्रित चरणों (phases) को देखना आश्चर्यजनक रूपست कठिन है।

द दशकों से, शोधकर्ताओं ने सामग्री की सतह के परावर्तित-प्रकाश फोटोग्राफ देखकर इन अदृश्य सामग्रियों को गिनने का प्रयास किया है। चुनौती यह है कि तीनों घटक मानवीय आंखों और मानक कंप्यूटर प्रोग्रामों के लिए बहुत समान दिखते हैं। वे सभी ग्रे रंग के विभिन्न शेड्स हैं, और प्रकाश व्यवस्था एक फोटो से दूसरे फोटो में भिन्न हो सकती है, जिससे यह पहचानना कठिन हो जाता है कि एक चरण कहाँ समाप्त होता है और दूसरा कहाँ शुरू होता है। पारंपरिक तरीके अक्सर सरल नियमों पर भरोसा करते हैं, जैसे कि "इस शेड से गहरा कुछ भी कार्बन है," लेकिन ये नियम तब विफल हो जाते हैं जब कंट्रास्ट कम हो या जब विभिन्न सामग्रियां पतले, जटिल धागों में बुनी गई हों। जब ये पुराने तरीके विफल हो जाते हैं, तो वैज्ञानिकों को हर एक दाने (grain) को हाथ से मैन्युअल रूप से ट्रेस करना पड़ता है, जो एक धीमी, उबाऊ और मानवीय त्रुटियों की संभावना वाली प्रक्रिया है। इस बाधा ने बेहतर सिरेमिक के विकास को धीमा कर दिया है, जिससे इंजीनियर अपने पदार्थों की सटीक संरचना के बारे में केवल अनुमान लगाते रह जाते हैं।

ओसिपियन इंस्टीट्यूट ऑफ सॉलिड स्टेट फिजिक्स और इर्कुट्स्क स्टेट यूनिवर्सिटी के शोधकर्ताओं की एक टीम ने इस समस्या को हल करने का एक नया तरीका विकसित किया है। कठोर नियमों पर निर्भर रहने या हाथ से रेखाएं खींचने में घंटों बिताने के बजाय, उन्होंने एक स्मार्ट कंप्यूटर सिस्टम बनाया है जो अपने आप इन तीन चरणों को पहचानना सीख जाता है। उनकी सफलता की कुंजी "वीक सुपरविजन" (weak supervision) नामक एक तकनीक थी। सामान्यतः, एक कंप्यूटर को इन विवरणों को देखने के लिए प्रशिक्षित करने हेतु एक इंसान को हजारों छवियों को श्रमसाध्य रूप से लेबल करना पड़ता है, जिसमें हर एक पिक्सेल को सिलिकॉन, कार्बन या सिरेमिक के रूप में चिह्नित करना होता है। शोधकर्ताओं ने महसूस किया कि वे इस थकाऊ चरण को छोड़ सकते हैं। उन्होंने पहले एक गणितीय विधि का उपयोग करके तस्वीरों में रंगों को तीन मोटे श्रेणियों में समूहित किया। ये समूह पूर्ण नहीं थे, लेकिन वे एक शुरुआती बिंदु के रूप में पर्याप्त थे। फिर उन्होंने इन कच्चे ड्राफ्ट्स का उपयोग एक कॉम्पैक्ट न्यूरल नेटवर्क को प्रशिक्षित करने के लिए किया, जो मानव मस्तिष्क से प्रेरित एक प्रकार का आर्टिफिशियल इंटेलिजेंस है, ताकि वह चरणों को सटीक रूप से अलग कर सके।

उनके द्वारा बनाया गया सिस्टम U-नेट (U-Net) के रूप में जाने जाने वाले डिज़ाइन पर आधारित है, जो अंग्रेजी के अक्षर 'U' के आकार का होता है। यह पहले सामान्य संदर्भ को समझने के लिए पूरी छवि को देखता है, फिर सूक्ष्म विवरण देखने के लिए ज़ूम करता है, और अंत में उन दृश्यों को मिलाकर सामग्री के आंतरिक भाग का एक सटीक मानचित्र बनाता है। शोधकर्ताओं ने इस सिस्टम को लिक्विड सिलिकॉन इनफिल्ट्रेशन (liquid silicon infiltration) नामक प्रक्रिया के माध्यम से बनाई गई सिलिकॉन कार्बाइड सिरेमिक के सैकड़ों माइक्रोग्राफ पर प्रशिक्षित किया। इस प्रक्रिया में, एक छिद्रपूर्ण कार्बन ब्लॉक में पिघला हुआ सिलिकॉन डाला जाता है, जो सिलिकॉन कार्बाइड बनाने के लिए प्रतिक्रिया करता है और कुछ सिलिकॉन और कार्बन पीछे छोड़ देता है। टीम ने अपने नए सिस्टम का परीक्षण पुराने नियम-आधारित तरीकों और मानव विशेषज्ञों द्वारा की जाने वाली धीमी मैन्युअल ट्रेसिंग दोनों के विरुद्ध किया। उन्होंने पाया कि पुराने नियम-आधारित तरीके अक्सर कम कंट्रास्ट होने पर पूरी तरह से विफल हो जाते थे, जिससे सिलिकॉन को सिरेमिक से अलग करने में असमर्थता होती थी और अत्यधिक गलत गणनाएँ होती थीं। हालाँकि, नया AI सिस्टम सबसे कठिन, कम-कंट्रास्ट वाली छवियों में भी उच्च स्तर की सटीकता बनाए रखने में सक्षम रहा।

हालाँकि नया सिस्टम हमेशा पारंपरिक वाटरशेड पद्धति का उपयोग करने वाले एक अत्यधिक कुशल मानव की तुलना में थोड़ा अधिक पूर्ण पिक्सेल-दर-पिक्सेल मानचित्र नहीं बना सका, लेकिन इसने गति और निरंतरता में एक बड़ा लाभ प्रदान किया। पारंपरिक पद्धति, जिसके लिए एक इंसान को सेटिंग्स को समायोजित करने और कंप्यूटर का मार्गदर्शन करने की आवश्यकता होती है, एक एकल छवि को संसाधित करने में दस मिनट या एक घंटा भी ले सकती है। इसके विपरीत, नया AI सिस्टम एक मानक ग्राफिक्स कार्ड पर एक सेकंड से भी कम समय में या एक नियमित कंप्यूटर प्रोसेसर पर कुछ ही सेकंड में एक पूर्ण, उच्च-रिज़ॉल्यूशन माइक्रोग्राफ का विश्लेषण कर सकता है। इससे भी महत्वपूर्ण बात यह है कि यह सिस्टम पुनरुत्पादक (reproducible) है। यदि आप एक ही छवि को सिस्टम के माध्यम से दस बार चलाते हैं, तो यह हर बार वही परिणाम देता है, जबकि एक इंसान थकान या ध्यान भटकने के कारण हर बार थोड़ी अलग रेखाएं खींच सकता है। शोधकर्ताओं ने पाया कि सिस्टम अधिकांश नमूनों के लिए दो प्रतिशत से कम की त्रुटि के साथ सामग्री में सिलिकॉन के आयतन का अनुमान लगा सकता है, जो कि नियमित औद्योगिक गुणवत्ता नियंत्रण के लिए पर्याप्त परिशुद्धता का स्तर है।

अध्ययन ने यह भी खुलासा किया कि कुछ छवियों का विश्लेषण करना दूसरों की तुलना में कठिन क्यों होता है। शोधकर्ताओं ने चरणों के बीच जुड़ाव कितना पतला है और रंगों का ओवरलैप कितना है, यह देखकर एक माइक्रोग्राफ की "कठिनाई" को मापने का एक तरीका विकसित किया। उन्होंने पाया कि जब सिलिकॉन बड़े पूल्स को जोड़ने वाले बहुत पतले पुल बनाता है, या जब सिलिकॉन और सिरेमिक के रंग लगभग एक जैसे होते हैं, तो सरल थ्रेशोल्डिंग (thresholding) विधियाँ विफल हो जाती हैं। हालाँकि, नया AI सिस्टम आसपास की छवि के संदर्भ से सीखकर इन पेचीदा क्षेत्रों में सफलतापूर्वक काम करने में सक्षम था, जो केवल अलग-थलग पिक्सेल के बजाय पूरी तस्वीर को देख रहा था। जटिल, अस्त-व्यस्त सूक्ष्म संरचनाओं को संभालने की यह क्षमता का अर्थ है कि वैज्ञानिक अब नई सिरेमिक रेसिपी की तेजी से स्क्रीनिंग कर सकते हैं, और यह परीक्षण कर सकते हैं कि विभिन्न विनिर्माण स्थितियाँ अंतिम सामग्री को कैसे प्रभावित करती हैं, बिना मैन्युअल विश्लेषण द्वारा धीमा हुए।

यह कार्य उन्नत सिरेमिक को अधिक सुलभ और विश्वसनीय बनाने की दिशा में एक महत्वपूर्ण कदम है। माइक्रोस्कोपिक सामग्रियों की गिनती को स्वचालित करके, शोधकर्ताओं ने इन सामग्रियों को अनुकूलित करने में एक बड़ी बाधा को दूर कर दिया है। यह सिस्टम कोई जादुई समाधान नहीं है जो हर एक मामले में पूरी तरह से काम करता है, शोधकर्ताओं ने नोट किया कि सबसे मोटे ढांचों के लिए, जिनमें सबसे बड़े फीचर्स होते हैं, त्रुटि दर पारंपरिक तरीकों की तुलना में थोड़ी अधिक थी। हालाँकि, इसका प्रतिफल अत्यधिक सकारात्मक है, जो इन सामग्रियों के आंतरिक जीवन को समझने का एक तेज़, स्वचालित और सुसंगत तरीका प्रदान करता है। जैसे-जैसे टीम भविष्य की ओर देख रही है, वे इस प्रणाली को और अधिक परिष्कृत करने और इसे और भी जटिल सामग्रियों पर लागू करने की योजना बना रहे हैं, जो संभावित रूप से उद्योग और अंतरिक्ष के लिए अगली पीढ़ी के ताप-प्रतिरोधी घटकों को डिजाइन करने में मदद कर सकता है। सिरेमिक की सूक्ष्म दुनिया में स्पष्ट रूप से देखना अब एक धीमी, मैन्युअल संघर्ष नहीं है, बल्कि एक तीव्र, स्वचालित प्रक्रिया है जो आधुनिक इंजीनियरिंग की मांगों के साथ तालमेल बिठा सकती है।