topas-editor and TOPilot: tools for AI-driven analysis of diffraction and total scattering data

Gli scienziati che studiano la disposizione degli atomi nei materiali si affidano spesso a una tecnica chiamata diffrazione. Immaginate di far passare un fascio di luce, come raggi X o neutroni, attraverso un cristallo. Gli atomi all'interno del cristallo agiscono come un filtro complesso, disperdendo il fascio in un particolare schema di punti o linee su un rilevatore. Questo schema è un'impronta digitale unica della struttura interna del materiale. Analizzando il modo in cui il fascio si disperde, i ricercatori possono ricostruire le posizioni esatte degli atomi, rivelando tutto, dalla resistenza di un nuovo materiale per batterie alla storia di un antico pigmento. Tuttavia, trasformare questi schemi dispersi in un'immagine chiara delle posizioni atomiche è un puzzle difficile. Richiede software specializzati per testare milioni di possibili disposizioni rispetto ai dati, un processo che richiede una profonda competenza e spesso comporta la scrittura di istruzioni complesse e personalizzate da far seguire al computer.

Per anni, una potente suite di software nota come TOPAS è stata lo strumento d'elezione per risolvere questi enigmi. È in grado di gestire tutto, dai cristalli semplici ai materiali complessi e disordinati, ma opera attraverso file di testo che sembrano codice. Creare questi file richiede una curva di apprendimento ripida, poiché un singolo errore nella sintassi può causare il fallimento dell'intera analisi. Sebbene il software sia incredibilmente veloce e robusto, lo sforzo umano richiesto per configurarlo ne ha limitato l'uso agli specialisti. Ora, un team di ricercatori ha sviluppato un nuovo modo per colmare questo divario, combinando la potenza bruta di TOPAS con le capacità di ragionamento dell'intelligenza artificiale moderna. Hanno creato due strumenti collegati, un editor intelligente e un assistente AI, che permettono al software di essere guidato dal linguaggio naturale, automatizzando efficacemente le parti più difficili dell'analisi pur mantenendo un essere umano nel ciclo di controllo per verificare i risultati.

Il primo strumento, chiamato topas-editor, è uno spazio di lavoro digitale progettato per rendere il linguaggio complesso di TOPAS più facile da leggere e scrivere. Funziona come un taccuino specializzato che comprende le regole del software. Mentre l'utente digita le istruzioni, l'editor evidenzia le parole chiave, offre spiegazioni istantanee per i termini tecnici e controlla automaticamente gli errori comuni. Agisce come una guida, suggerendo il modo corretto di descrivere una struttura cristallina o una specifica condizione sperimentale. Questa interfaccia rende possibile per i ricercatori interagire direttamente con il software senza dover memorizzare centinaia di comandi oscuri. Tuttavia, la vera innovazione risiede nel secondo strumento, TOPilot, che funge da agente intelligente capace di scrivere queste istruzioni per l'utente.

TOPilot è costruito su un insieme di regole ed esempi che insegnano a un'intelligenza artificiale come pensare come un cristallografo esperto. Invece di limitarsi a indovinare, l'IA consulta una biblioteca curata di regole scientifiche e documenti di riferimento prima di prendere qualsiasi decisione. Quando un ricercatore fornisce un file di dati e una semplice descrizione di ciò che vuole trovare, TOPilot prende il comando. Può identificare automaticamente il tipo di materiale, determinare il modello matematico corretto da utilizzare e generare il complesso file di testo necessario per eseguire l'analisi. Se l'IA incontra un problema che non può risolvere, come informazioni mancanti sulla configurazione sperimentale, si ferma e chiede chiarimenti all'utente umano invece di fare una supposizione pericolosa. Questo approccio assicura che l'IA si occupi del lavoro ripetitivo e dispendioso in termini di tempo del test di diversi modelli, mentre l'esperto umano supervisiona le decisioni critiche.

I ricercatori hanno testato questo sistema su una vasta gamma di sfide del mondo reale per vedere se potesse gestire la confusione dei dati scientifici reali. In un test, hanno dato all'IA un pattern simulato di un materiale chiamato Y2O3 che era stato deliberatamente corrotto con errori, come un background spostato e picchi distorti. Un approccio standard probabilmente fallirebbe in queste condizioni, ma l'IA ha navigato con successo tra le complicazioni. Ha identificato gli errori, ha regolato il proprio modello per tenerne conto e ha prodotto un risultato finale che corrispondeva alla qualità di un'analisi manuale eseguita da un esperto umano. Il sistema ha fatto questo testando molte diverse variazioni del modello, controllando quale si adattasse meglio ai dati e riportando poi i suoi risultati in un formato chiaro e interattivo.

In un altro esempio, il team ha chiesto all'IA di risolvere un problema completo partendo da zero, partendo da un file di dati grezzi e finendo con una struttura atomica raffinata. Il materiale era un composto complesso contenente zirconio e tungsteno. L'IA ha identificato con successo la dimensione dell'unità ripetitiva del cristallo, ha determinato la corretta simmetria della struttura e ha poi raffinato le posizioni di ogni atomo al suo interno. L'intero processo, dai dati grezzi a un modello strutturale finito, ha richiesto solo pochi minuti. Il sistema ha anche dimostrato la sua capacità di gestire più campioni contemporaneamente, analizzando una serie di trenta diversi pattern raccolti mentre un materiale veniva riscaldato, e tracciando automaticamente come la struttura cambia con la temperatura.

Forse la dimostrazione più impressionante ha riguardato materiali con strutture "incommensurate", dove la disposizione atomica non si ripete in modo semplice e regolare. Questi sono notoriamente difficili da analizzare perché i pattern contengono segnali extra e deboli che il software standard spesso perde. L'IA è stata in grado di rilevare questi segoli sottili, determinare la complessa modulazione della struttura e raffinare il modello per adattarlo ai dati con alta precisione. È persino riuscita a combinare i dati di due diversi tipi di esperimenti, raggi X e neutroni, in un'unica analisi coerente, regolando automaticamente le differenze nel modo in cui i due fasci interagiscono con il materiale. Durante questi test, il sistema ha costantemente prodotto risultati identici a quelli generati dagli esperti umani, dimostrando che l'IA poteva essere affidata per eseguire flussi di lavoro scientifici complessi e multi-fase.

I ricercatori sottolineano che, sebbene l'IA sia potente, non è un sostituto del giudizio umano. Il sistema è progettato per essere trasparente, fornendo rapporti dettagliati e grafici interattivi che consentono all'utente di vedere esattamente cosa ha fatto l'IA e perché. Se l'IA compie una scelta che sembra insolita, l'utente può rivedere il ragionamento e regolare i parametri. L'obiettivo non è rimuovere lo scienziato dal processo, ma liberarlo dal compito tedioso di scrivere codice affinché possa concentrarsi sull'interpretazione dei risultati. Il team ha scoperto che il sistema era altamente riproducibile; eseguire la stessa analisi più volte produceva risultati quasi identici, con solo piccole variazioni nelle scelte che persino gli esperti umani potrebbero fare diversamente.

Questo nuovo approccio rappresenta un cambiamento significativo nel modo in cui vengono analizzati i dati di diffrazione. Combinando la velocità e l'affidabilità del software TOPAS con l'adattabilità dell'intelligenza artificiale, i ricercatori hanno creato uno strumento in grado di gestire l'intera gamma di problemi cristallografici, dall'identificazione di fase semplice alla più complessa raffinazione strutturale. Il sistema è disponibile per chiunque voglia usarlo e può essere esteso con nuove regole o esempi man mano che la comunità scientifica scopre nuovi materiali. Il lavoro suggerisce che il futuro della scienza dei materiali potrebbe comportare una partnership tra l'intuizione umana e l'automazione delle macchine, dove il computer si occupa del lavoro pesante di calcolo e l'uomo fornisce l'intuizione per comprendere il significato dei numeri. Il risultato è un modo più veloce e accessibile per svelare i segreti nascosti all'interno del mondo atomico.