Intelligens mikroszkópos mérőrendszerek

Kovács Kristóf

Veszprémi Egyetem, Szilikát- és Anyagmérnöki Tanszék, Nagyműszer Laboratórium

Bevezetés

A mikroszkópos vizsgáló módszerek fejlődése a felhasználóbarát, emberközeli számítástechnika megjelenésével új lendületre tett szert. A számítógép és mikroszkóp kapcsolata először a szerkezeti és összetételi adatok, képinformáció számítógépes feldolgozását jelentette. A gyors analóg/digitális processzorok megjelenésével az adatgyűjtés is a számítógép feladata lett. Ma már az információfeldolgozás visszacsatolást is tartalmaz, és a mikroszkóp kezelésével, beállításával járó terhek egy részét is átvállalja a láthatatlanul háttérben dolgozó hardver és szoftver. A mesterséges intelligencia, az adaptív rendszerek és a neurális hálózatok lehetőségei olyan távlatokat nyitnak meg a mikroszkópok fejlesztésével foglalkozó mérnökök és a felhasználók számára, amelyek határait ma még nem is sejtjük.

Mikroszkópos leképező rendszerek

Rendszertechnikai szempontból a mikroszkópok az összes műszeres analitikai vizsgáló eljárással azonos elvek szerint működnek. Valamennyi eljárás közös eleme, hogy az ismeretlen minta tulajdonságait (leggyakrabban összetételét és szerkezetét) vizsgáljuk, és ehhez a mintát megfelelő eszközökkel gerjesztjük. A gerjesztés és a minta kölcsönhatásai közben keletkező jelek hordozzák a minta tulajdonságaira jellemző információt. Az egyes módszerek közötti különbség a gerjesztő energia előállításának módjában, a gerjesztés és kölcsönhatások típusában és a jelek feldolgozásában rejlik. Az analitikai mikroszkópos rendszerek a szó szoros értelmében vett leképezés, a tárgy és képpontok kölcsönösen egyértelmű megfeleltetése révén a többi analitikai módszerhez képest az ember számára nélkülözhetetlen többletinformáct is adnak: a látvány (minőség) és az elemzés (mennyiség) egyszerre, egy módszerrel, egy berendezésben komplex morfológiai és összetételi adatok gyűjtését teszik lehetővé.

Mesterséges intelligencia

Az intelligencia definíció szerint az új szituációk esetén megmutatkozó alkalmazkodó válaszadási képesség. A “kristályos” intelligencia (tudás) és a “folyékony” intelligencia (rugalmas gondolkodás) egymást támogatja és kiegészíti. A tudás kész sémákat ad, a rugalmas gondolkodás révén ezek közül választhatunk, és az ismeretlen helyzetekre a meglévő építőkockákból, azokon mintegy túllépve új sémákkal egészíthetjük ki tudásunkat. A mesterséges intelligencia számítástechnikai eszközökkel szimulálja az emberi intelligencia jellemzőit, a tanulást, intuíciót, következtetést, önkorrekciót. A legújabb módszerek túllépnek a ma használt szokásos számítógépek keretein és az emberi gondolkodást már a hardverben is igyekeznek megvalósítani. A speciális célszámítógéppel megvalósított celluláris neurális hálózatok struktúrájukban és funkciójukban az emberi idegsejteket modelljét követik. Az intelligens rendszerek a mesterséges intelligencia eszközeivel igyekeznek minél több oldalról utánozni az emberi intelligenciát. Az eredmények a lehetőségek mai szintjén még nagyon szerények, ugyanakkor a legnagyobb fejlődés éppen a vizuális alkalmazások (képfeldolgozás, alakfelismerés, mesterséges látás) terén tapasztalható.

Kapcsolat a mikroszkópos leképező rendszerek és a számítógépek között

A klasszikus mikroszkópok az alkalmazott módszerek elvéből következően analóg képeket szolgáltatnak. Ezek a képek hagyományos látással jól érzékelhetők, ugyanakkor a mennyiségi értékelés és az egyes értékelési műveletek automatizálása nehéz, nagy gyakorlatot és sok időt igénylő folyamat. Ralston-nal [1] egyetértésben állítom, hogy a gép csak cifra szolga, mégis aránytalanul sok energiát fordítottunk és fordítunk még ma is a mikroszkóp és a számítógépek közötti kapcsolat megteremtésére. A hagyományos fénymikroszkóp és a transzmissziós elektronmikroszkóp párhuzamos leképezéssel egyszerre előállítja a teljes képet. Ez az analóg kép a teljes képsíkban értelmezett, ugyanakkor a hozzá tartozó digitális kép csak a sík egyes diszkrét pontjaiban létezik. Az emberi szem a látóidegekkel “digitális” felbontással ugyan, de párhuzamosan érzékeli és dolgozza fel a mikroszkópos képinformációt. A hagyományos számítógépekkel való feldolgozáshoz ezt a párhuzamos információt soros információvá kell alakítani és minden egyes képpontban digitalizálni kell. A pásztázó elektronmikroszkóp és a pásztázó szondás módszerek soros leképezéssel egyszerre csak egy tárgypontot képeznek le és egyetlen képpontot állítanak elő, a következő tárgyponthoz tartozó képpontot a következő időpillanatban állítják elő. Ez a soros leképezés önként kínálja a számítógépes feldolgozás lehetőségét, hiszen egyszerre csak egy jelet kell digitalizálni, feldolgozni. A digitalizálás mintavételi gyakoriságát, az optimális felbontást az emberi szem és a mikroszkópos rendszer felbontóképessége figyelembe vételével az információelmélet (Shannon tétel) szerint kell megállapítani [2]. A végeredmény összecseng Neumann János klasszikus munkájának címével: hogyan lehet megbízható szerkezetet összeállítani megbízhatatlan alkatrészekből.

Alkalmazási példák

A klasszikus mikroszkópok és az intelligens leképező rendszerek közötti átmenet valamennyi fokozatára számtalan példát találunk. Nem állíthatjuk, hogy az “intelligens” leképező rendszer fejlettebb a számítógép nélküli változatnál, hiszen a maga nemében mindkettő lehet tökéletes és használhatatlanul gyenge minőségű. A meghatározó kulcsszó a minőség. A számítógép, a mesterséges intelligencia csak a kényelmünket szolgálja, másodlagos szerepet tölt be annak ellenére, hogy a számítógép segítségével sok új, korábban elérhetetlen információhoz juthatunk hozzá. Egyes mikroszkópos leképező rendszerek (például pásztázó szondás mikroszkópok vagy konfokális mikroszkópok) működése el sem képzelhető számítógép nélkül. Az alkalmazási lehetőségek közül a pásztázó elektronmikroszkóp és energiadiszperzív röntgenanalizátor példáját emeljük ki. Ezzel a műszerrendszerrel az intelligens működés a maga teljességében megvalósítható. A legegyszerűbb alapeset a röntgenanalízissel kapott elemeloszlási képek gyűjtése és feldolgozása [3]. A röntgenanalizátorhoz kapcsolódó, analóg/digitális konverzió nélküli hardver és szoftver a nagyítástól és a beütési számtól függően maga választja meg a mintavétel gyakoriságát, illetve az egymást követően gyűjtött képek átlagolásának mértékét. A ma kereskedelmi forgalomban kapható pásztázó elektronmikroszkópok mindegyike képes arra, hogy az információfeldolgozás rendszerébe épített visszacsatolás segítségével bizonyos funkciókat (fókuszálás, asztigmatizmus korrekció, stb.) önműködően végrehajtson. A többfelhasználós mikroszkópos laboratóriumok [4] a lokális hálózatba kapcsolt berendezések segítségével egyidejű hozzáférést teremtenek az intelligens mikroszkópos leképező rendszerek mindegyikéhez és valódi szakértői adatbázis létrehozását teszik lehetővé. Az Internet lehetőségei szinte beláthatatlanok.
A legújabb nagysebességű hálózatok révén lehetőség nyílik az egymástól akár ezer kilométerekre lévő felhasználók és mikroszkópok összekapcsolására [5] és intelligens működésére.

Hivatkozások

[1] Ralston, A.: Programozás és számítógéptudomány, Műszaki Könyvkiadó, Budapest, 1974

[2] Russ, J.C.: Computer Assisted Microscopy, Plenum Press, New York, 1990, p23

[3] Kovács, K., Mátz, A.: Proc. XIIth Int. Congr. Electron Microscopy, Supplements, Seattle, 1990, p7

[4] Cross, R.: Proc. 4th. Multinational Congress on Electron Microscopy, Veszprém,

Hungary, p9, publ. University of Veszprém, Ed. K. Kovács

[5] Zaluzec, N.J.: Proc. 4th. Multinational Congress on Electron Microscopy, Veszprém,

Hungary, p19, publ. University of Veszprém, Ed. K. Kovács

VISSZA

Copyright © 2000
Magyar Anyagtudományi Egyesület