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

Este artigo apresenta o kikuchipy, uma caixa de ferramentas Python de código aberto para análise de padrões de difração de elétrons retroespalhados (EBSD) que suporta indexação por Hough e por dicionário, refinamento de orientação e validação, demonstrado por meio de aplicações na caracterização de microestruturas de aço inoxidável e ligas de alumínio.

O essencial

Imagine que você é um detetive tentando resolver um mistério dentro de um mundo minúsculo e invisível. Os "suspeitos" são os cristais microscópicos que compõem os metais e ligas. Para pegá-los, você usa uma câmera especial dentro de um microscópio poderoso chamado máquina de Difração de Eletrons Retroespalhados (EBSD). Quando você direciona um feixe de elétrons para uma amostra de metal, ele ricocheteia e cria um padrão complexo e brilhante de linhas e faixas em uma tela. Esses padrões são como impressões digitais únicas para cada tipo de cristal.

O problema é que ler essas impressões digitais é incrivelmente difícil. É como tentar resolver um quebra-cabeça onde as peças estão borradas, a iluminação é ruim e algumas peças parecem quase idênticas às outras. Geralmente, os cientistas precisam usar software caro e de "caixa preta" para resolver esses quebra-cabeças. Você insere os dados e a máquina devolve uma resposta, mas você não consegue ver como ela resolveu, e se a resposta estiver errada, você não tem ideia do porquê.

Aí entra o "kikuchipy".

Pense no kikuchipy como uma nova "canivete suíço" de código aberto para esses detetives. É uma caixa de ferramentas gratuita escrita na linguagem de programação Python que permite aos cientistas desmontar o processo de resolução de quebra-cabeças passo a passo. Em vez de uma caixa preta mágica, ele oferece uma bancada de trabalho clara e transparente onde você pode ajustar, testar e melhorar cada movimento que faz.

Veja como o artigo explica o que essa caixa de ferramentas pode fazer, usando analogias simples:

1. Limpando a Foto Bagunçada

Antes de resolver o quebra-cabeça, muitas vezes você precisa limpar a foto. Os padrões brutos do microscópio podem ser ruidosos ou ter um fundo nebuloso (como uma foto tirada através de vidro sujo).

• A Analogia: Imagine tirar uma foto de uma noite estrelada, mas há uma neblina espessa e o brilho de um poste de luz lavando as estrelas.
• O que o kikuchipy faz: Ele possui ferramentas para subtrair essa "neblina" (correção de fundo) e nitidez a imagem. Ele pode até pegar uma foto borrada e misturá-la com suas vizinhas para fazer as estrelas (as linhas cristalinas) saltarem claramente.

2. Calibrando a Câmera

Para saber exatamente para onde um cristal está apontando, você precisa saber exatamente onde a câmera está posicionada em relação à amostra.

• A Analogia: Se você está tentando mapear uma cidade, precisa saber exatamente para onde sua bússola aponta e a que distância você está dos prédios. Se sua bússola estiver desviada por alguns graus, seu mapa estará errado.
• O que o kikuchipy faz: Ele ajuda você a "calibrar" a posição da câmera (chamada de "centro de projeção") para que o mapa corresponda à realidade. Ele pode até ajustar essa posição para cada ponto individual no mapa, como um GPS que atualiza sua localização enquanto você dirige.

3. Resolvendo o Quebra-Cabeça (Indexação)

Uma vez que a imagem está limpa e a câmera calibrada, você precisa combinar o padrão com uma biblioteca de cristais conhecidos.

• A Analogia: Imagine que você tem uma biblioteca com 10.000 impressões digitais diferentes. Você tem uma impressão borrada da cena do crime e precisa encontrar a correspondência.
• Duas maneiras de fazer isso:
  • Indexação Hough: É como escanear rapidamente a biblioteca pela forma geral das linhas. É rápido, mas pode perder detalhes sutis.
  • Indexação por Dicionário: É como comparar a inteira impressão borrada contra cada impressão digital na biblioteca, pixel por pixel, procurando a correspondência perfeita. É mais lento, mas muito mais preciso, especialmente para casos complicados.
• O Refinamento: Se a correspondência estiver próxima, mas não perfeita, o kikuchipy pode "empurrar" a resposta ligeiramente para encontrar o ajuste exato, como ajustar o dial de um rádio até que o estático desapareça e a música fique clara.

4. O "Teste da Verdade"

A parte mais poderosa do kikuchipy é que ele permite que você verifique visualmente seu trabalho.

• A Analogia: Em vez de apenas confiar na resposta do computador, você pode pegar o "melhor palpite" do computador e projetar uma versão simulada perfeita do que aquele cristal deveria parecer. Então, você coloca a foto real e a simulação lado a lado.
• O que isso mostra: Se as linhas e sombras na simulação coincidirem perfeitamente com a foto real, você sabe que resolveu corretamente. Se não coincidirem, você sabe que cometeu um erro e pode voltar e corrigi-lo.

Casos do Mundo Real do Artigo

Os autores testaram essa caixa de ferramentas em três mistérios metálicos difíceis:

1. O Aço "Super": Eles analisaram um aço superforte que havia desenvolvido cristais indesejados e frágeis em seu interior. Usando o kikuchipy, eles puderam mapear exatamente onde esses cristais ruins se formaram e como estavam orientados em relação aos bons. Era como ver a planta baixa dos pontos fracos de um edifício.
2. A Mistura de Alumínio vs. Silício: Em uma liga metálica comum, o Alumínio e o Silício parecem quase idênticos sob o microscópio porque suas estruturas cristalinas são muito semelhantes. É como tentar distinguir dois gêmeos idênticos vestindo a mesma roupa. A maioria dos softwares fica confusa. Mas, como o kikuchipy observa o brilho das linhas (não apenas sua forma), ele conseguiu distinguir os gêmeos com sucesso e mapear onde o Silício estava se escondendo.
3. A Liga Ruidosa: Eles analisaram um metal que havia sido esmagado e laminado com tanta força que os padrões cristalinos estavam muito embaçados e ruidosos. Era como tentar ler um livro em um furacão. Ao usar a caixa de ferramentas para limpar o ruído e comparar os padrões cuidadosamente, eles ainda puderam identificar as pequenas partículas internas, mesmo quando o sinal era muito fraco.

O Quadro Geral

O artigo conclui que o kikuchipy não se trata apenas de resolver quebra-cabeças mais rápido; trata-se de resolvê-los melhor e entender como você os resolveu. Ele foi construído para a comunidade científica compartilhar, melhorar e adaptar. Ele transforma a análise EBSD de um processo de "confie na máquina" em uma investigação transparente, flexível e colaborativa, permitindo que qualquer um espreite atrás das cortinas e veja o mundo cristalino com clareza.

Resumo técnico

Resumo Técnico: kikuchipy: uma caixa de ferramentas de código aberto para análise de padrões de difração de elétrons retroespalhados

Declaração do Problema
A Difração de Elétrons Retroespalhados (EBSD) é uma técnica padrão para caracterizar características cristalográficas em microscopia eletrônica de varredura (MEV). No entanto, a indexação de padrões EBSD (EBSPs) é suscetível a várias fontes de erro, incluindo a indexação incorreta de fases cristalográficas, dispersão de pontos de orientação dentro dos grãos e dificuldades em diferenciar fases com estruturas cristalinas semelhantes. Embora existam soluções comerciais, elas frequentemente priorizam a automação e a facilidade de uso em detrimento da flexibilidade e da transparência. Essa abordagem de "caixa preta" limita a capacidade dos pesquisadores de solucionar casos problemáticos, otimizar etapas de indexação ou compreender os algoritmos subjacentes. Embora existam alternativas de código aberto (por exemplo, EMsoft, EMSphinx, AstroEBSD, PyEBSDIndex), permanece a necessidade de uma caixa de ferramentas baseada em Python amplamente acessível e flexível, que se integre perfeitamente ao ecossistema científico Python para facilitar o desenvolvimento de fluxos de trabalho iterativos e a validação de resultados.

Metodologia
O artigo apresenta o kikuchipy, uma caixa de ferramentas Python de código aberto projetada para a análise de EBSPs. O software estende a biblioteca HyperSpy para análise de conjuntos de dados multidimensionais e depende do orix para lidar com rotações e simetria cristalina, e do diffsims para simulações de difração.

A metodologia central enfatiza um fluxo de trabalho de indexação offline flexível e iterativo (ilustrado na Fig. 2 do artigo), que inclui:

1. Carregamento e Inspeção de Dados: Leitura de arquivos de principais fornecedores (Bruker, EDAX, NORDIF, Oxford) e geração de mapas de "pré-indexação" (por exemplo, intensidade média do padrão, imagens virtuais de elétrons retroespalhados, mapas de qualidade de imagem) para orientar a seleção de fases e validar resultados sem viés do usuário.
2. Processamento de Padrões: Aplicação de correções de fundo estáticas e dinâmicas, redução de ruído via média de vizinhos e agrupamento (binning) para melhorar a relação sinal-ruído (SNR) ou a velocidade.
3. Calibração Geométrica: Determinação do centro de projeção (CP) e da geometria detector-amostra. Isso envolve indexação de Hough para estimativas iniciais e refinamento via correspondência de padrões. O software suporta modelos de CP fixos e dinâmicos.
4. Indexação:
   • Indexação de Hough: Implementada via PyEBSDIndex para estimativa rápida de orientação baseada na detecção de faixas de Kikuchi.
   • Indexação por Dicionário: Adaptada do EMsoft, este método compara padrões experimentais com um dicionário de padrões mestres simulados dinamicamente. Utiliza a correlação cruzada normalizada (NCC) como métrica de similaridade.
5. Refinamento: O refinamento da orientação e/ou do centro de projeção é realizado para melhorar a precisão, otimizando a pontuação NCC usando algoritmos do SciPy e NLopt.
6. Validação: Os resultados são validados comparando visualmente padrões experimentais com simulações geométricas, cinemáticas e dinâmicas, bem como analisando mapas de Figura de Polo Inverso (IPF).

O software foi projetado para lidar com conjuntos de dados maiores que a memória disponível usando Dask e utiliza Numba para compilação just-in-time de seções críticas de desempenho.

Contribuições e Resultados Principais
O artigo demonstra as capacidades do kikuchipy através de três exemplos distintos de aplicação:

1. Relações de Orientação em Aço Inoxidável Super Duplex (SDSS):

   • O fluxo de trabalho foi aplicado a um SDSS contendo fases secundárias indesejadas (sigma, chi, R, $\pi$ e nitretos de cromo).
   • Mapas de pré-indexação identificaram com sucesso características microestruturais, incluindo estruturas lamelares e partículas de alto contraste de Z.
   • A indexação por dicionário distinguiu múltiplas fases, incluindo aquelas que tipicamente requerem Microscopia Eletrônica de Transmissão (MET) devido ao tamanho (até ~0,52 $\mu$m).
   • O estudo visualizou relações de orientação (ROs) entre fases (por exemplo, $\alpha$/$\gamma$, $\alpha$/$\sigma$, $\alpha$/$\chi$) usando distribuições de desorientação no espaço eixo-ângulo. Confirmou a relação Kurdjumov-Sachs para $\alpha$/$\gamma$ e identificou uma RO "Cubo-sobre-cubo" para $\alpha$/$\chi$, bem como uma relação CSL3 anteriormente não relatada entre chi e ferrita.

2. Diferenciação de Fases em Ligas Al–Si:

   • O desafio de diferenciar entre Alumínio (CCC) e Silício (cúbico de diamante), que possuem posições de faixas de Kikuchi semelhantes, foi abordado.
   • O artigo demonstra que a indexação por dicionário usando simulações dinâmicas, que aproveitam distribuições de intensidade relativa em vez de apenas posições de faixas, pode diferenciar com sucesso essas fases baseando-se apenas em EBSPs.
   • A validação envolveu a comparação de padrões experimentais com padrões simulados, mostrando que incompatibilidades de intensidade em simulações de Al (vs. Si) indicavam claramente a fase correta.
   • A análise revelou textura em fibras de silício e a ausência de uma forte relação de orientação entre Al e Si na liga modificada.

3. Diferenciação de Fases em Ligas Al–Mn Ruidosas:

   • O software foi usado para indexar partículas constituintes de tamanho micrométrico ($Al_6Mn$ e $\alpha$-AlMnSi) em uma liga Al–Mn fortemente laminada a frio e recozida, onde os EBSPs sofreram de baixa SNR devido à energia armazenada e ruído da câmera.
   • Ao combinar correção de fundo, média de vizinhos e indexação por dicionário, o software identificou e distinguiu com sucesso as duas fases de partículas.
   • Os resultados foram validados contra um mapa de "verdade fundamental" gerado independentemente, derivado de imagens de Elétrons Retroespalhados (BSE).
   • A análise revelou uma orientação preferencial para partículas de $Al_6Mn$ e uma grande rotação de rede sistemática dentro de uma partícula específica de $\alpha$-AlMnSi, atribuída à deformação pesada.

Significado e Alegações
O artigo posiciona o kikuchipy não como uma ferramenta para maximizar a velocidade de indexação, mas como um recurso para a comunidade de microscopia eletrônica melhorar a flexibilidade, a transparência e a validação de resultados.

• Flexibilidade e Iteração: O software permite que os usuários construam fluxos de trabalho personalizados onde as etapas de indexação podem ser otimizadas e fontes de erro identificadas, abordando a rigidez das soluções comerciais.
• Validação: Enfatiza a importância da validação visual (comparando padrões experimentais e simulados) e verificação independente (por exemplo, usando mapas de pré-indexação ou imagens BSE) para garantir a precisão da indexação.
• Ciência Aberta: O código está hospedado no GitHub, e os dados brutos e os cadernos de fluxo de trabalho para os exemplos estão disponíveis publicamente no Zenodo, aderindo aos princípios FAIR.
• Recurso Comunitário: Os autores afirmam que o software foi desenvolvido para permitir que qualquer pessoa melhore o código ou o integre em seus próprios fluxos de trabalho de análise, fomentando a colaboração e o avanço na análise de EBSD.

O artigo conclui que, embora existam limitações atuais (como a necessidade de configuração manual por fase para indexação por dicionário e a falta de uma GUI nativa), a integração do ecossistema científico Python torna o kikuchipy uma ferramenta poderosa para desenvolver fluxos de trabalho de análise de EBSD robustos e flexíveis.