Analyse van materialen door druppelvlekken – Wissenschaft.de
Patronen die willekeurig lijken: Uit onderzoek blijkt dat zouten kunnen worden geïdentificeerd op basis van de vlekken die ze na het drogen achterlaten. Op basis van subtiele overeenkomsten in patronen tussen kristalstructuren heeft het AI-systeem tot nu toe 42 verschillende soorten zoutvlekken met hoge nauwkeurigheid in kaart kunnen brengen. De onderzoekers zeggen dat deze ‘vingerafdrukken’-aanpak zou kunnen leiden tot een vereenvoudigd analyseproces dat bijvoorbeeld belangrijke informatie over materialen zou kunnen opleveren bij het verkennen van hemellichamen.
Dit kennen we uit de keuken: een druppel gezouten pastakookwater laat na het drogen een witte vlek achter op het aanrecht. Als je er met een vergrootglas naar kijkt, zie je iets dat op een abstract kunstwerk lijkt: filigraanstructuren gecreëerd door een natriumchloridekristal. Elke druppel vormt individuele patronen. Dit komt omdat complexe vloeistofbewegingen en een aantal omgevingsfactoren het sedimentatiepatroon beïnvloeden. De kristalgroei wordt echter ook beïnvloed door de bijzondere eigenschappen van het betreffende materiaal. Een eenvoudig onderscheid tussen de verschillende soorten zouten is echter niet mogelijk: althans oppervlakkig gezien is het residu van een natriumchloride-oplossing niet te onderscheiden van een kaliumchloridekleurstof.
Kan kunstmatige intelligentie het ‘oog van de expert’ ontwikkelen?
Om deze reden onderzochten onderzoekers onder leiding van Bruno Battista van de Florida State University in Tallahassee hoe goed kunstmatige intelligentie subtiele verschillen kan herkennen: is het mogelijk om zoutafzettingen uitsluitend op basis van hun uiterlijk te identificeren? Om het onderliggende potentieel vast te leggen, hebben de onderzoekers 7.500 gedetailleerde beelden gemaakt van 42 verschillende soorten zoutplekken. Ze werden uit kleine druppeltjes onder uniforme omstandigheden op glasplaatjes “gekweekt”. Met behulp van een eigen softwareconcept werd elke afbeelding vervolgens getagd met behulp van 16 parameters. Deze omvatten kenmerken zoals afzettingsgebied, compactheid en textuur. Dit weerspiegelt op zijn beurt de fijnere eigenschappen van de rangschikking van kleine kristallen in ringen, naalden en bladachtige structuren.
Vervolgens hebben de onderzoekers het AI-systeem gevoed en getraind met deze beeldinformatie: Machine learning-methoden maken het mogelijk om verborgen patronen in de data te detecteren. Concreet moet het systeem typische kenmerken van zoutvlakten van een bepaald type leren herkennen op basis van subtiele structurele overeenkomsten. Zoals het team meldde, was de aanpak succesvol. Dit werd aangetoond door het vermogen van hun systeem om de identiteit van het zout te herkennen op basis van nieuwe plekken. Ondanks een relatief bescheiden set trainingsgegevens tot nu toe, kon de AI het betreffende zout met een hoge mate van nauwkeurigheid identificeren op basis van het spotbeeld. “We waren verrast door hoe goed het werkte”, zegt senior auteur Oliver Steinbock van de Florida State University. “Wie had ooit gedacht dat je op basis van een foto onderscheid kon maken tussen natriumchloride en kaliumchloride? Ze lijken op foto’s erg op elkaar, maar de methode herkent het verschil”, zegt de onderzoeker.
Veelbelovende aanpak
Zoals hij en zijn collega’s benadrukken, is dit een bewijs van de haalbaarheid hiervan tot nu toe: in ieder geval voor zuivere waterige pekeloplossingen is al aangetoond dat het mogelijk is een stof te identificeren op basis van het verschijnen van neerslagen ter grootte van een microgram. Nu zal dit concept enorm worden uitgebreid: de onderzoekers zijn van plan de trainingsdataset uit te breiden door honderdduizenden extra afbeeldingen te analyseren. Bovendien moeten er meer verbindingen en mengsels van materialen worden opgenomen, waardoor het gereedschap nauwkeuriger en veelzijdiger wordt. Dit grote aantal vereist echter automatisering. Onderzoekers testen momenteel het gebruik van een geautomatiseerd valbeeldapparaat.
Volgens hen is er een groot toepassingspotentieel voor dit concept. Zouten zijn van groot belang in de chemie en de natuur, wat het interessant maakt om ze snel en eenvoudig te kunnen identificeren aan de hand van een foto. Dit proces kan onder meer worden gebruikt in de ruimtevaart. Omdat het moeilijk en duur is om een buitenaards hemellichaamonderzoeksvoertuig uit te rusten met een volwaardig scheikundig laboratorium. Voor het nieuwe concept kan een camera met hoge resolutie voldoende zijn om op zijn minst basisinformatie te verkrijgen over de samenstelling van het monstermateriaal. Volgens het team is een ander voordeel van deze aanpak de lagere materiaalbehoefte: slechts een paar milligram zoutafzettingen kan onthullen wat het is.
Bron: Florida State University, gespecialiseerd artikel: Proceedings van de National Academy of Sciences, doi: 10.1073/pnas.2405963121