kikuchipy: an open-source toolbox for analysis of EBSD patterns

本論文は、ステンレス鋼およびアルミニウム合金の微細組織特性評価への応用を通じて実証された、Hough 法および辞書型インデキシング、方位精密化、検証をサポートする電子後方散乱回折（EBSD）パターン解析用のオープンソース Python ツールボックス kikuchipy を紹介する。

要約

あなたは、小さく見えない世界の中で謎を解こうとする探偵だと想像してください。「容疑者」は、金属や合金を構成する微細な結晶です。それらを捕まえるために、電子後方散乱回折（EBSD）装置と呼ばれる強力な顕微鏡の中に組み込まれた特殊なカメラを使用します。金属試料に電子ビームを照射すると、それが跳ね返り、画面に複雑に輝く線や帯のパターンを生成します。これらのパターンは、あらゆる種類の結晶にとって固有の指紋のようなものです。

問題は、これらの指紋を読み解くことが極めて困難だということです。それは、ピースがぼやけており、照明が悪く、いくつかのピースが他のピースとほとんど同じに見えるジグソーパズルを解こうとするようなものです。通常、科学者たちはこれらのパズルを解くために、高価で「ブラックボックス」型のソフトウェアを使用しなければなりません。データを入力すると機械が答えを吐き出しますが、それがどのように解かれたのかは見えませんし、答えが間違っていた場合、その理由もわかりません。

「kikuchipy」の登場です。

kikuchipyを、これらの探偵のための新しいオープンソースの「スイスアーミーナイフ」と考えてください。これは Python プログラミング言語で書かれた無料のツールボックスであり、科学者たちがパズルを解くプロセスをステップバイステップで分解することを可能にします。魔法のようなブラックボックスの代わりに、それはあなたが取るすべての手を微調整し、テストし、改善できる、明確で透明な作業台を提供します。

以下は、このツールボックスが何ができるかを、簡単な比喩を用いて論文が説明している方法です。

1. 乱れた写真の整理

パズルを解く前に、多くの場合、写真を整理する必要があります。顕微鏡からの生データのパターンはノイズを含んでいたり、霞んだ背景を持っていたりします（汚れたガラス越しに撮った写真のようなものです）。

• 比喩: 星空の夜を撮影しようとするが、濃い霧と街灯の反射が星を洗い流している状況を想像してください。
• kikuchipy が行うこと: それはその「霧」を差し引く（背景補正）ためのツールを持ち、画像を鮮明にします。さらに、ぼやけた写真をその隣接する写真と融合させ、星（結晶の線）を鮮明に浮かび上がらせることもできます。

2. カメラの較正

結晶が正確にどの方向を向いているかを知るためには、試料に対するカメラの位置を正確に知る必要があります。

• 比喩: 街の地図を作成しようとする場合、コンパスが正確にどの方向を指しているか、建物からどのくらいの距離にあるかを知る必要があります。コンパスが数度ずれていれば、地図は間違ってしまうでしょう。
• kikuchipy が行うこと: それはカメラの位置（「投影中心」と呼ばれる）を「較正」するのを助け、地図が現実と一致するようにします。さらに、GPS が運転中に位置を更新するように、地図上の各点ごとにこの位置を調整することもできます。

3. パズルの解決（インデキシング）

画像が整理され、カメラが較正されると、パターンを既知の結晶のライブラリと一致させる必要があります。

• 比喩: 1 万種類の異なる指紋のライブラリを持っていると想像してください。犯罪現場から得たぼやけた指紋があり、一致するものを見つける必要があります。
• 2 つの方法:
  • Hough インデキシング: これは、線の全体的な形状をライブラリから素早くスキャンするようなものです。速いですが、微妙な詳細を見逃す可能性があります。
  • 辞書インデキシング: これは、ぼやけた指紋全体をライブラリ内のすべての指紋と、ピクセル単位で比較し、完璧な一致を探すようなものです。これは遅いですが、特に難しいケースでははるかに正確です。
• 微調整: 一致が近いが完璧ではない場合、kikuchipy は「ノイズ」を消し、音楽をクリアにするまでラジオのダイヤルを微調整するように、答えをわずかに「押して」正確な適合を見つけることができます。

4. 「真実の確認」

kikuchipy の最も強力な部分は、視覚的に作業をダブルチェックできることです。

• 比喩: コンピューターの答えをただ信頼するのではなく、コンピューターの「最善の推測」を取り、その結晶がどのように見えるべきかという完璧なシミュレーション版を投影することができます。その後、実際の写真とシミュレーションを並べて配置します。
• それが示すこと: シミュレーションの線と影が実際の写真と完璧に一致すれば、正しく解けたことがわかります。一致しなければ、間違いがあったことがわかり、戻って修正することができます。

論文からの実例

著者たちは、このツールボックスを 3 つの困難な金属の謎に対してテストしました。

1. 「スーパー」鋼: 彼らは、内部に望ましくてもろい結晶が形成された超強靭な鋼を調べました。kikuchipy を使用することで、これらの悪い結晶がどこで形成され、良い結晶に対してどのように配向していたかを正確にマッピングすることができました。それは、建物の弱点の設計図を見るようなものでした。
2. アルミニウム対シリコンの混合: 一般的な金属合金において、アルミニウムとシリコンは、その結晶構造が非常に似ているため、顕微鏡下ではほとんど区別がつかないように見えます。それは、同じ服を着た双子の区別をつけようとするようなものです。ほとんどのソフトウェアは混乱します。しかし、kikuchipy は線の「形状」だけでなく「明るさ」を見るため、双子を区別し、シリコンがどこに隠れていたかをマッピングすることに成功しました。
3. ノイズの多い合金: 彼らは、結晶パターンが非常にぼやけ、ノイズの多いほど強く圧延された金属を調べました。それは、ハリケーンの中で本を読もうとするようなものでした。ツールボックスを使用してノイズを整理し、パターンを慎重に比較することで、信号が非常に弱くても、内部の微小粒子を同定することができました。

全体像

論文は、kikuchipyは単にパズルを速く解くことではなく、それを「より良く」解き、どのように解いたかを理解することにあると結論付けています。これは科学コミュニティが共有し、改善し、適応するために構築されています。それは EBSD 分析を「機械を信頼する」プロセスから、透明で柔軟かつ協力的な調査へと変え、誰でもカーテンの裏を覗き、結晶の世界を明確に見ることを可能にします。

技術概要

技術概要：kikuchipy：EBSD パターンの解析のためのオープンソースツールボックス

問題提起
電子後方散乱回折（EBSD）は、走査型電子顕微鏡（SEM）における結晶学的特徴の特性評価のための標準的な手法である。しかし、EBSD パターン（EBSP）のインデキシングは、結晶相の誤インデキシング、粒内の方位点のばらつき、類似した結晶構造を持つ相の区別の困難さなど、さまざまな誤差源の影響を受けやすい。商用ソリューションは存在するが、それらは往々にして柔軟性や透明性を犠牲にして、自動化と使いやすさを優先する。この「ブラックボックス」アプローチは、研究者が問題のあるケースのトラブルシューティングを行う能力、インデキシング手順の最適化、あるいは基盤となるアルゴリズムの理解を制限する。オープンソースの代替手段（例：EMsoft、EMSphinx、AstroEBSD、PyEBSDIndex）は存在するが、反復的なワークフローの開発と結果の検証を容易にするために、科学的 Python エコシステムとシームレスに統合された、広くアクセス可能で柔軟な Python ベースのツールボックスの必要性が残されている。

手法
本論文は、EBSP の解析のために設計されたオープンソースの Python ツールボックスkikuchipyを紹介する。本ソフトウェアは、多次元データセットの解析のためのHyperSpyライブラリを拡張し、回転と結晶対称性の処理にはorixを、回折シミュレーションにはdiffsimsに依存している。

核心的な手法は、図 2 に示される柔軟で反復的なオフラインインデキシングワークフローを強調しており、これには以下が含まれる：

1. データ読み込みと検査：主要なベンダー（Bruker、EDAX、NORDIF、Oxford）からのファイルを読み込み、「事前インデキシング」マップ（平均パターン強度、仮想後方散乱電子画像、画像品質マップなど）を生成して、相の選択をガイドし、ユーザーバイアスなしに結果を検証する。
2. パターン処理：静的および動的な背景補正の適用、近隣平均によるノイズ低減、および信号対雑音比（SNR）または速度の向上のためのビン化を行う。
3. 幾何学的較正：投影中心（PC）と検出器 - 試料幾何学を決定する。これには、初期推定のための Hough インデキシングと、パターンマッチングによる精密化が含まれる。本ソフトウェアは、固定 PC モデルと動的 PC モデルの両方をサポートする。
4. インデキシング：
   • Hough インデキシング：PyEBSDIndex を介して実装され、キクチ帯の検出に基づく迅速な方位推定を行う。
   • 辞書インデキシング：EMsoft から適応されたこの手法は、実験パターンを動的にシミュレートされたマスターパターンの辞書と比較する。類似度指標として正規化相互相関（NCC）を使用する。
5. 精密化：精度を向上させるために方位および/または投影中心の精密化を行い、SciPy および NLopt のアルゴリズムを用いて NCC スコアを最適化する。
6. 検証：結果は、実験パターンと幾何学的、運動学的、および動的シミュレーションとの視覚的比較、ならびに逆極性図（IPF）マップの分析によって検証される。

本ソフトウェアは、Dask を使用して利用可能なメモリを超えるデータセットを処理するように設計されており、パフォーマンスクリティカルなセクションのジャストインタイムコンパイルには Numba を活用している。

主要な貢献と結果
本論文は、3 つの異なる適用例を通じて kikuchipy の能力を実証する：

1. スーパーデュプレックスステンレス鋼（SDSS）における方位関係：

   • 本ワークフローは、望ましくない二次相（シグマ、カイ、R、$\pi$、およびクロム窒化物）を含む SDSS に適用された。
   • 事前インデキシングマップは、層状構造や高 Z 対比粒子を含む微細組織特徴を正常に同定した。
   • 辞書インデキシングは、サイズが約 0.52 $\mu$m まで小さく、通常は透過型電子顕微鏡（TEM）を必要とする相を含む複数の相を区別した。
   • この研究は、軸 - 角度空間における誤方位分布を用いて、相間の方位関係（OR）（例：$\alpha$/$\gamma$、$\alpha$/$\sigma$、$\alpha$/$\chi$）を可視化した。$\alpha$/$\gamma$ については Kurdjumov-Sachs 関係を確認し、$\alpha$/$\chi$ については「Cube-on-cube」の OR を同定するとともに、カイとフェライト間の以前は報告されていなかった CSL3 関係を特定した。

2. Al–Si 合金における相の区別：

   • 類似したキクチ帯の位置を持つアルミニウム（FCC）とケイ素（ダイヤモンド立方晶）の区別という課題に対処した。
   • 本論文は、帯の位置だけでなく相対強度分布を利用する動的シミュレーションを用いた辞書インデキシングが、EBSP のみに基づいてこれらの相を成功裡に区別できることを実証した。
   • 検証には、実験パターンとシミュレートパターンの比較が含まれ、Al シミュレーション（Si 対）における強度の不一致が、正しい相を明確に示していることが示された。
   • 分析により、ケイ素繊維におけるテクスチャと、改質合金における Al と Si の間に強い方位関係が存在しないことが明らかになった。

3. ノイズの多い Al–Mn 合金における相の区別：

   • 本ソフトウェアは、蓄積エネルギーとカメラノイズにより EBSP が低 SNR に苦しむ、重度の冷間圧延および焼鈍された Al–Mn 合金中のマイクロメートルサイズの構成粒子（$Al_6Mn$ および $\alpha$-AlMnSi）のインデキシングに使用された。
   • 背景補正、近隣平均、および辞書インデキシングを組み合わせることで、本ソフトウェアは 2 つの粒子相を正常に同定し、区別することに成功した。
   • 結果は、後方散乱電子（BSE）イメージングから導出された独立して生成された「グランドトゥルース」マップに対して検証された。
   • 分析により、$Al_6Mn$ 粒子の優先配向と、重度の変形に起因する特定の $\alpha$-AlMnSi 粒子内の大規模で系統的な格子回転が明らかになった。

意義と主張
本論文は、kikuchipyをインデキシング速度を最大化するためのツールではなく、電子顕微鏡コミュニティが柔軟性、透明性、および結果の検証を向上させるためのリソースとして位置づけている。

• 柔軟性と反復性：本ソフトウェアは、インデキシング手順を最適化し、誤差源を特定できるカスタムワークフローを構築することをユーザーに可能にし、商用ソリューションの硬直性に対処する。
• 検証：実験パターンとシミュレートパターンの比較による視覚的検証、および事前インデキシングマップや BSE 画像の使用による独立した検証など、インデキシング精度を確保するための検証の重要性を強調している。
• オープンサイエンス：コードは GitHub にホストされており、例の生データおよびワークフローノートブックは FAIR 原則に従って Zenodo で公開されている。
• コミュニティリソース：著者らは、本ソフトウェアが誰でもコードを改善したり、自身の解析ワークフローに統合したりできるように開発されており、EBSD 解析における協力と進展を促進すると述べている。

本論文は、辞書インデキシングにおける相ごとの手動設定の必要性やネイティブ GUI の欠如など、現在の限界が存在する一方で、Python の科学的エコシステムの統合により、kikuchipy は堅牢で柔軟な EBSD 解析ワークフローを開発するための強力なツールであると結論づけている。