要制造更好的电池，你可以从改进内部材料开始。研究人员通常首先使用同步加速器发出的高能 X 射线检查新材料和化学品。但这是一个缓慢而乏味的过程。最近出现了一种令人惊讶的加速方法——砂纸（sandpaper）。

「主要动机实际上是试图克服传统化学成像方法的局限性。」该研究的研究人员之一、香港城市大学工程师 Jizhou Li 说。

砂纸插入 X 射线束的路径，扰乱其在所研究的材料上投射的照明图案。X 射线穿过样品后，机器学习模型使用砂纸扰乱的图案和生成的图像来重建样品的化学结构。这种砂纸增强的设置可以让研究人员更快地获得有价值的化学分辨率。

该研究以《Nanoscale chemical imaging with structured X-ray illumination》为题，于 2023 年 11 月 28 日发表在《PNAS》上。并将代码发布到 GitHub。

论文链接：https://www.pnas.org/doi/10.1073/pnas.2314542120

GitHub 地址：https://github.com/YijinLiu-Lab/NxSCI

双管齐下

Li 和他的同事在位于加利福尼亚州门洛帕克的 SLAC 国家加速器实验室的 SSRL 同步加速器中使用 X 射线束。他们收集了两种类型的成像数据：一个电荷耦合器件探测器从穿过它的 X 射线中捕获样品结构的二维图像，另一个探测器测量样品的荧光——被光束激发的原子发出的二手 X 射线。

这种双管齐下的方法在 X 射线成像中相当常见。研究人员可以利用样品的荧光信号来探测样品内的化学元素。但由于荧光信号只有一维，而不是图像的二维，因此收集荧光信号可能会很慢且效率低下。例如，假设您想要使用 X 射线重建样品的化学成分以形成 2D 图像。您可能必须逐点单独聚焦 X 射线束，或在样品上进行光栅扫描。

Li  的团队发现砂纸可以解决这种减速问题。研究人员通过在 X 射线源和样品之间滑动两个砂纸扩散器来修改光束设置。砂纸的砂粒将 X 射线束变成星云状的 X 射线涂片。

那么，该设置计算方面的第一步是建立对涂抹图案应该是什么的逐像素估计。然后拍摄样品的 2D 涂片 X 射线图像以及一维荧光信号，无需光栅化。毫不夸张地说，下一阶段就是自监督机器学习的出现。研究人员将二维图像、砂纸扰乱的照明图案和一维荧光信号输入神经网络。然后，网络预测每个像素的荧光信号，以生成图像中元素成分的图。研究人员将这一过程与增强合影中模糊面孔的过程进行了比较。

查看电池化学成分等

砂纸是他们算法的关键部分。为了拼凑化学图像，机器学习模型依赖于砂纸在样品上投射的伪随机图案来创建所谓的结构化 X 射线。「我们可以利用随机性，」Li 说。通过交换具有不同粒度的砂纸的不同幻灯片，研究人员可以创建不同的照明模式并对同一样本进行多次成像。

Li 和他的同事在电池样本上测试了该技术。该电池的阴极是三种不同含锂材料的混合物。但砂纸技巧却挑出了这三者中每一个的纳米级颗粒。

Li 说，他之前研究电池的经验促使研究人员使用电池来进行概念验证。他认为该技术不仅可以识别出元素，还可以识别出它们的氧化态，这使其成为电池成像的最佳选择。他补充说，该技术还有很多其他用途：例如，生物医学研究，使用同步加速器 X 射线对细胞、组织等进行成像。

结构化 X 射线方法是研究人员如何应用计算来创建更好的成像的一个例子，而无需显著改变生成 X 射线的庞大且昂贵的底层基础设施。Li 希望通过使用实验室规模的 X 射线源而不是 SLAC 等罕见的明亮同步加速器来测试该技术，从而使科学家更容易使用该技术。

「现在，我们在同步加速器环境中实现了它，因为同步加速器光非常强大，」Li 说。「原则上，这种装置也可以应用于实验室 X 射线源。」