新的断层重建算法创下世界纪录

先进的同步加速器断层扫描是一种重要的研究工具，使科学家能够以极高分辨率探索物体的复杂结构。由于该技术使研究人员能够实时捕捉动态，因此它可以捕捉生物体(细胞运动和流体动力学)的持续变化以用于医学研究，以及材料的持续变化，例如观察电池中的枝晶形成以了解容量减少的原因以及最终的失败。

此详细视图的关键在于断层扫描不仅仅依赖于单个 X 射线图像;还依赖于单个 X 射线图像。相反，多张图像是从不同角度拍摄的。然后，这些图像被输入计算机，数学算法将它们组合起来，生成三维 (3D) 数字表示，揭示物体内部结构的极其详细的视图。

然而，在许多情况下，可以收集的图像数量非常有限。例如，在快速变化的样本改变形状之前收集足够的图像可能具有挑战性。

只有在数据分析中包含样本的其他已知属性时，才可能从如此有限的数据重建结构。不幸的是，对这些样本属性进行建模通常需要大量计算，并且可能需要大量的计算资源，而研究人员可能不容易获得这些资源。

为了应对这一挑战，劳伦斯伯克利国家实验室(伯克利实验室)能源研究应用高级数学中心 (CAMERA) 的一个团队由项目科学家 Dinesh Kumar 和应用数学和计算研究部门 (AMCR) 的研究员 Jeffrey Donatelli 组成)和高级光源设施的科学家 Dula Parkinson 最近开发了一种新的重建算法 TomoCAM，该算法利用了先进的数学技术和基于 GPU 的计算。

一篇详细介绍 TomoCAM 的论文发表在《同步辐射杂志》上，该论文显示，它超越了现有最先进的迭代断层扫描重建算法的速度，创造了新的世界纪录。

该论文的主要作者 Kumar 表示，实验学家通常使用直接近似方法(例如滤波反投影(FPB))来进行断层扫描重建。然而，在许多实验中，这些直接近似方法经常导致低质量的重建，在这些实验中，样本不断变化，容易受到辐射损伤，或者实验几何形状限制了足够视图的获取。

或者，基于模型的迭代重建 (MBIR) 方法可以从有限且嘈杂的数据中获得更高质量的重建。MBIR 将断层扫描过程的数学模型与有关样本的有根据的假设相结合，以建立迭代过程。

从最初的猜测开始，逐步改进样品的模拟模型，使其同时匹配实验期间收集的 X 射线测量结果并满足样品假设。然而，由于传统实现需要大量的计算资源，MBIR 的采用受到了限制。

TomoCAM通过根据样本的傅立叶系数重新表述 MBIR 中的基本运算符，克服了这些计算成本限制，该系数描述了样本密度的基本频率，类似于组成一首音乐的各个音符。

使用非均匀快速傅里叶变换 (NUFFT) 算法可以非常有效地计算这些傅里叶系数，该算法使得 TomoCAM 中的 MBIR 算子的计算速度比传统方法快得多。此外，TomoCAM 利用先进的 GPU 加速策略来优化 GPU 内存的数据流。

与传统 MBIR 代码相比，这些创新使 TomoCAM 能够在很短的时间内执行 MBIR，同时只需要适度且常用的计算资源。此外，TomoCAM 有一个 Python 前端，可以从基于 Jupyter 的框架进行访问，从而可以直接集成到同步加速器设施的现有工作流程中。

ALS 显微断层扫描首席科学家杜拉·帕金森 (Dula Parkinson) 表示：“对于科学家来说，如此快速地从 MBIR 中看到这些高质量的结果确实可以带来改变。”

“TomoCAM 使人们能够更轻松地收集数据，从而看到 MBIR 的结果。这使他们能够确保实验和分析参数的组合是正确的，而不是抱有最好的希望并在以后发现问题。而且它使他们能够看到可以更清楚地指导他们对实验计划做出决定的细节。”

实验数据分析组数学组组长兼 CAMERA 副主任杰弗里·多纳泰利 (Jeffrey Donatelli) 表示：“应用数学的美妙之处在于，它通常可以带来仅通过高性能计算无法实现的显着性能改进。” “通过利用问题的数学结构，TomoCAM 可以显着加速层析反演过程。”

TomoCAM 在开源许可下可供所有研究人员使用。Kumar 表示，它越来越多地在 ALS 中使用，布鲁克海文国家实验室的国家同步加速器光源 II 正在努力将 TomoCAM 纳入其工作流程系统中。

这为材料科学界提供了将层析成像测量范围扩大到越来越多的原位和操作测量的方法，其中样品通常快速变化且具有复杂的几何形状，一个例子是陶瓷基复合材料的断裂和劣化的研究，是用于在高温高压下运行的喷气发动机的新型轻质材料。

TomoCAM 是一款不断发展的产品。库马尔说：“我们正在寻找新的方法，通过利用问题的额外数学结构并研究利用机器学习模型的新混合方法，进一步加速和自动化断层扫描重建流程。”

“最终目标是降低进入门槛，加快收敛速度​​，简化MBIR的使用，使材料科学家能够专注于进行复杂的实验，而不必担心重建过程。”