US-Student entwickelt automatisiertes Röntgenwerkzeug, verkürzt Analysezeit mikroskopischer Luftschadstoffpartikel auf zehn Stunden

Ein US-Student hat ein neues automatisiertes Röntgenwerkzeug entwickelt, das die Zeit zur Untersuchung von 500 winzigen Luftschadstoffpartikeln von 44 Stunden auf lediglich 10 Stunden verkürzt. Die Technologie trägt den Namen X-AutoMap und wurde von Carlos DeLeon während eines Praktikums an der National Synchrotron Light Source II des Brookhaven National Laboratory (BNL) entworfen. DeLeon nahm am Science Undergraduate Laboratory Internship (SULI) des US-Energieministeriums (Department of Energy, DOE) teil.

Unter Anleitung des Beamline-Wissenschaftlers Ajith Pattammattel arbeitete DeLeon an der Automatisierung des Röntgenanalyseprozesses. Das Werkzeug ermöglicht es dem Röntgenmikroskop, Partikel von Interesse automatisch zu identifizieren und ihre chemische Zusammensetzung eingehender zu untersuchen. Die Software könnte dazu beitragen, die Auswirkungen von Luftverschmutzung auf die menschliche Gesundheit zu verstehen, und auch zur Erforschung von Batterien und Elektronikprodukten eingesetzt werden.

Vorteile der automatisierten Röntgenanalyse

Pattammattel erklärte: „Wenn wir die detaillierte chemische Zusammensetzung bestimmen können, ohne dass Personal das Experiment steuern muss, wäre das weitaus effizienter.“

Luftverschmutzung umfasst Tausende winziger Partikel mit unterschiedlicher chemischer Zusammensetzung, darunter Ruß, Staub, Pollen sowie Mikroplastik in der Luft, das Menschen täglich einatmen. Je nach chemischer Zusammensetzung können bestimmte Partikel größere Gesundheitsrisiken bergen. Ihre Identifizierung dauert jedoch Tage, da Forscher große Mengen an Proben manuell prüfen und einzelne Partikel für detailliertere Analysen auswählen müssen. Um diesen Prozess zu beschleunigen, entwickelte das Team die Software X-AutoMap für den Einsatz mit dem Hard X-ray Nanoprobe (HXN) der Einrichtung.

Der HXN ist ein leistungsstarkes Mikroskop, das Materialien auf extrem kleinen Skalen untersuchen kann. Zunächst führt es einen schnellen Scan mit niedriger Auflösung der Probe durch. Anschließend analysiert die Software die Röntgenfluoreszenzsignale, um Partikel zu detektieren, die bestimmten chemischen Mustern entsprechen. Sobald die Software solche Partikel findet, startet das Mikroskop automatisch einen Scan mit hoher Auflösung, um deren chemische Zusammensetzung und Struktur darzustellen. Pattammattel erläuterte, dass die Software wissenschaftlichen Regeln folgt, die Forscher im Voraus festgelegt haben. Er erklärte den Grund für diesen Ansatz: „Wir glauben, dass es viel einfacher wäre, wenn man die Kombination unterschiedlichen Expertenwissens kodieren und in ein Computermodell integrieren könnte, damit das Mikroskop diese Informationen nutzt, um automatisch die Bereiche zu identifizieren, die einen Hochauflösungsscan erfordern.“

Laborergebnisse und Herausforderungen

Bei Labortests verwendeten Wissenschaftler Partikelproben, die aus städtischer Luftverschmutzung gesammelt worden waren. Die Software untersuchte erfolgreich etwa 500 Partikel innerhalb von 10 Stunden, während die manuelle Datenerfassung insgesamt 44 Stunden dauerte. Das System zeigte auch wichtige Unterschiede zwischen zwei Arten eisenhaltiger Partikel. Einige Partikel enthielten eng gemischtes Eisen, Chrom und Mangan, und viele waren kugelförmig, was auf Hochtemperatur-Industrieprozesse hinweist. Andere Partikel enthielten Eisen, Calcium und Silizium, angeordnet in Clustern getrennter Partikel, eine Struktur, die typischerweise mit natürlichen oder geologischen Materialien assoziiert wird. Laut dem Team seien diese Unterschiede bei Scans mit niedriger Auflösung schwer zu erkennen.

Da die Software jedoch nur Partikel identifizieren kann, die von Wissenschaftlern vorgegeben werden, könnten sehr kleine Partikel oder solche mit schwachen chemischen Signalen übersehen werden. Das Team plant, die Software zu verbessern und KI-Modelle zu erforschen, um mehr Materialien zu detektieren.

DeLeon reflektierte sein Praktikum und ermutigte zögerliche Studierende, sich für ähnliche Gelegenheiten zu bewerben. In einer Pressemitteilung sagte er: „Viele Menschen zweifeln an sich selbst oder unterschätzen ihre Fähigkeiten und verpassen dadurch solche Chancen. Ich ermutige jeden Interessierten, sich zu bewerben und zu sehen, was passiert.“ Die Studie wurde im Journal „Advanced Intelligent Discovery“ veröffentlicht.

Anwendungsperspektiven automatisierter Technologie in der Umweltwissenschaft

Die Entwicklung des automatisierten Röntgenwerkzeugs markiert einen bedeutenden Fortschritt in der umweltwissenschaftlichen Forschung. Angesichts wachsender Besorgnis über die gesundheitlichen Auswirkungen von Luftverschmutzung wird die Fähigkeit, winzige Partikel in der Luft schnell und präzise zu analysieren, entscheidend. Diese neue Technologie erhöht nicht nur die Detektionseffizienz, sondern hilft Forschern auch, die chemische Zusammensetzung verschiedener Partikel und ihre potenziellen Risiken besser zu verstehen. Trotz derzeitiger Einschränkungen bei der Identifizierungsfähigkeit könnte die künftige Integration von KI-Modellen den Anwendungsbereich weiter ausweiten und positive Auswirkungen auf Umweltüberwachung und öffentliche Gesundheit haben.