AI-SAXS: AI-tolkning av komplexa strukturer med spridningsanalys

Projektet AI-SAXS: intelligent analys på nanonivå kombinerar avancerad röntgenteknik med maskininlärning för att snabbare och mer exakt förstå ett materials inre strukturer. Syftet är att utveckla nya AI-drivna metoder för att analysera material på nanonivå. Något som på sikt möjliggör bättre kontroll och optimering av tillverkningsprocesser.

I projektet samarbetar RISE med det nationella forskningslaboratoriet MAX IV i Lund. Genom att kombinera MAX IV:s avancerade röntgenteknik, som Small-Angle X-ray Scattering (SAXS), med AI-metoder som maskininlärning, kan stora datamängder analyseras effektivare än tidigare.

Forskningsprojektet AI-SAXS: intelligent analys på nanonivå syftar till att använda artificiell intelligens för att på ett snabbare och mer träffsäkert sätt tolka komplex data från avancerad röntgenanalys av material på nano- och mikronivå. Projektet utvecklar metoder som ska förenkla och förbättra förståelsen av materialens inre strukturer, vilket i sin tur möjliggör bättre kontroll och optimering i tillverkningsprocesser. Den AI-baserade analysen är tänkt att bli ett kraftfullt verktyg för många branscher där materialegenskaper på mikroskopisk nivå har stor betydelse.

Komplex spridningsdata

I projektet samarbetar RISE med det nationella forskningslaboratoriet MAX IV, AstraZeneca och Tetra Pak. Genom att kombinera MAX IV:s avancerade röntgenteknik, som Small-Angle X-ray Scattering (SAXS), med AI-metoder som maskininlärning, kan stora datamängder analyseras effektivare än tidigare. SAXS-metoden innebär att extremt ljusstarka röntgenstrålar skickas mot materialet, där de sprids på olika sätt beroende på materialets inre struktur. Den spridningsdata som samlas in är komplex och omfattande, vilket gör tolkningen tidskrävande och utmanande för forskare. Genom att träna AI-modeller på både syntetiska och experimentella data kan projektet skapa algoritmer som lär sig känna igen och tolka mönster i spridningskurvorna. Detta bidrar till snabbare, mer noggranna analyser och minskar behovet av manuella uppskattningar och modelltester. Samtidigt strävar projektet efter att utveckla generella lösningar som kan anpassas till olika material och behov, vilket ökar möjligheterna till bredare användning inom industrin.

Effektivare processer och mer hållbara produkter

För företag som AstraZeneca och Tetra Pak innebär detta förbättrad förståelse för hur materialens nanostrukturer påverkar produktens egenskaper – exempelvis läkemedelsbärare eller förpackningsmaterialens beteende vid olika miljöförhållanden. Detta ger i sin tur bättre kontroll över produktion och kvalitet, vilket kan leda till effektivare processer och mer hållbara produkter. RISE bidrar i projektet med spetskompetens inom kemisk analys, materialvetenskap och AI, samt leder samarbetet mellan industrin och forskningsmiljöerna. En postdoktor från RISE är stationerad vid MAX IV för att arbeta nära partnerna och säkerställa en smidig överföring av kunskap och teknologi mellan forskningen och tillämpningarna i industrin.

AI-SAXS finansieras genom Vinnovas program för Avancerad Digitalisering och löper från november 2023 till november 2026. Projektet är ett exempel på hur nya teknologier och tvärvetenskapligt samarbete kan bana väg för innovationer som stärker svensk industri och forskning inom materialvetenskap.