想象一下，能够观察化学反应或材料在变化和对环境作出反应时的内部运作——这就是研究人员可以使用美国能源部SLAC国家加速器实验室的直线加速器相干光源(LCLS)上的高速“电子相机”——兆电子伏特超快电子衍射(MeV-UED)仪器来实现的事情。
现在，在两项新的研究中，来自SLAC、斯坦福大学和其他机构的研究人员已经找到了如何更准确、更高效地捕捉这些微小的超快细节的方法。
在最近发表在《结构动力学》上的第一项研究中，一个团队发明了一种提高电子相机时间分辨率的技术。
在发表于《自然通讯》的第二项研究中，研究人员训练并使用人工智能(AI)来调整MeV-UED电子束，并使其满足各种实验需求。
SLAC副科学家、两篇论文的合著者MohamedOthman表示：“这些影响对于推进SLAC电子加速器的光束仪器和诊断技术具有深远意义，并将为以前所未有的精度探索新效应开辟新领域。”
时机就是一切
化学反应发生得很快——有时关键事件发生在百万分之一秒或飞秒内。捕捉这些飞秒事件属于超快科学领域，需要世界上最先进的科学仪器——如MeV-UED这样的仪器。
MeV-UED通过用电子束撞击样品并记录电子穿过时材料中发生的情况来拍摄快照。结果就是一部分子电影，让科学家能够以超快的速度观察分子和原子的行为，并深入了解能源解决方案、创新新材料和药物等的关键过程。
棘手的是，MeV-UED光束由电子束或电子脉冲组成，它们可能是一束难以控制的电子。当电子脉冲到达材料样本时，脉冲的第一个电子和最后一个电子之间的到达时间会有一点差异。这种时间差异，加上脉冲之间的时间变化(称为抖动)，使得很难准确确定每个电子相机图像中事情发生的时间。
SLAC团队此前报告称，使用太赫兹辐射(电磁波谱上介于微波和红外光之间)并在MeV-UED中增加一个压缩器可以提高仪器的时间分辨率。压缩器使用太赫兹辐射通过一种称为“束压缩”的方法缩短电子脉冲的时间分布。
为了进一步控制电子束，该团队将束压缩与另一种称为时间戳的方法相结合：脉冲与样本相互作用并击中探测器后，时间信息被编码在电子相机图像中。通过简单的时间排序，用户可以更精确地确定每幅图像或影片中的时间。
结合束压缩和时间戳可提高计时精度并减少抖动。“研究人员可以使用这种技术观察极快的时间尺度，特别是材料中的原子运动，”奥斯曼说。“这种原子显微镜可用于基础科学：材料科学、化学、绿色能源、量子信息等。实现飞秒尺度对于研究这些科学领域至关重要。”
随着该原型的成功，他们的下一步是建造一台具有综合功能的仪器。“我们正试图突破MeV-UED在计时等方面的极限。由于MeV-UED是DOE用户设施，我们希望建造这种可以作为用户选择的仪器，”Othman说。
人工智能的力量
来自世界各地的研究人员来到SLAC的MeV-UED进行实验，他们的需求各不相同。对于每个实验，光束操作员需要优化20-30个参数，例如光束点大小，并考虑所有参数之间的权衡。
SLAC的研究员、论文第一作者FuhaoJi将调整过程比作在烤面包时改变配方原料以适应顾客的口味——有很多因素需要考虑，而且每个人的口味都有点不同。
目前，经验丰富的操作员在自动化流程的帮助下自行做出所有这些选择，但效率并不高。为了使其运行得更顺畅，实验室加速器和仪器方面的SLAC研究人员与实验室的AI专家合作，实施了一种特殊的AI模型，称为多目标贝叶斯优化(MOBO)，以直接在线调整MeV-UED的电子束。
这种方法的调试效果与经验丰富的操作员相当，而且比自动化过程至少快10倍。由于用户的光束使用时间是固定的，这意味着用户花在调试上的时间更少，花在运行实验和收集数据上的时间更多。
在启用AI模型之前，SLAC团队必须对其进行训练，使其不仅知道要寻找什么，还知道如何评估光束参数之间的权衡。该模型通过实践进行学习：研究人员像往常一样进行实验并收集数据，然后将这些数据输入模型，该模型学习不同参数如何相互作用以形成光束。
与其他AI模型一样，MOBO可以根据新的参数设置预测新的结果，当用户需要以前从未使用过的光束设置时，这一点特别有用。该模型还提供了实验系统的更全面的图景。
“这是MeV-UED与加速器理事会机器学习小组密切合作的结果，为在MeV-UED建立端到端自动化智能科学用户设施的最终目标铺平了道路，”Ji表示，其中人工智能算法将共同优化整个系统中的所有组件，从电子源到加速器、光源、样品设置和探测器。
Ji和同事们正在寻求扩展MOBO工具的功能。他们的下一步是采用另一种AI工具——贝叶斯算法执行，以进一步加快优化过程并实现更好的性能。
季教授表示：“我们希望它能够对物理、化学、生物和量子材料等不同学科的研究产生广泛影响，并在大型复杂的科学用户设施中发挥作用。”