Mapa de cristales: cómo clasificar millones de imágenes exprés
El microscopio electrónico escanea la muestra y en cada punto registra cómo se dispersan los electrones en los átomos. El resultado es una pila gigante de imágenes, una por cada punto. En ellas está codificada la información sobre cómo se ordenan los átomos: en filas regulares o con desviación, hacia dónde está girada la red cristalina, si hay tensiones internas.
El problema es que hay millones de estas imágenes y no se pueden revisar a mano. Los autores del trabajo proponen encontrar automáticamente las zonas donde el patrón de dispersión es casi idéntico. Las imágenes similares se agrupan y para cada grupo se obtiene un patrón promedio, nítido y sin ruido. Así, del caos de millones de imágenes nace un mapa de unas pocas decenas de regiones.
Este enfoque reduce drásticamente el volumen de datos, cientos de veces. Además, los detalles importantes no se pierden, sino que se vuelven más visibles: el promedio elimina el ruido aleatorio. El método no solo sirve para muestras estáticas, sino también para observar procesos en tiempo real, como el crecimiento de cristales.
Los autores probaron el algoritmo con datos del crecimiento de nanopartículas de oro en un medio líquido. El microscopio grabó un video de cómo las partículas se hacían más grandes, y el programa clasificaba los fotogramas sobre la marcha según el tipo de empaquetamiento cristalino. Esto permitió ver cómo cambiaba la estructura de cada partícula individualmente.
Ahora los científicos de materiales tienen una herramienta que convierte los datos brutos del microscopio en un mapa comprensible: dónde está cada fase, hacia dónde está girada la red, dónde hay tensiones. Esto acelera el análisis y ayuda a encontrar patrones que antes se perdían en el ruido.
El promedio de los patrones de difracción mejora tanto la calidad de la señal que se vuelven visibles reflexiones débiles, imperceptibles en imágenes individuales.