Entwicklung von Ressourceneffizienter Transmissionselektronenmikroskopie zur Demokratisierung ihres Einsatzes in der Materialforschung

• Antragsteller: Dr. Walid Hetaba; Professor Dr. Christoph Tobias Koch; Professor Dr. Thomas Kosch; Professor Dr. Ulf Leser
• Fachliche Zuordnung: Experimentelle Physik der kondensierten Materie
• Förderung: Förderung seit 2025
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 566289659

Das vorgeschlagene Projekt easyTEM zielt darauf ab, die Nutzung komplexer Großforschungsinstrumente durch die Anwendung moderner KI-Technologien zu verbessern und ansonsten ungenutzte Zeit zu nutzen, indem die Justage, Bedienung und Datenaquisition am Instrument autonom durchgeführt wird. Dies wird den Zugang und die Nutzung dieser Instrumente für weniger geschulte und unerfahrene Forscher sowohl vor Ort als auch aus der Ferne demokratisieren und letztlich die Nutzung dieser Instrumente ressourceneffizienter machen. Während die grundlegenden Konzepte und Softwarekomponenten mit Blick auf die allgemeine Anwendbarkeit entwickelt werden, werden die spezifischen Implementierungen, Anwendungsfälle und Tests im Bereich der Transmissionselektronenmikroskopie für die Materialwissenschaft liegen. EasyTEM wird in zweierlei Hinsicht neue Ebenen der Interaktion zwischen dem Instrument und dem Benutzer schaffen: (1) nicht qualifizierte Benutzer werden in die Lage versetzt, ein TEM mit Hilfe natürlicher Sprache in Kombination mit einer generischen und dynamischen grafischen Benutzeroberfläche (GUI) zu steuern und dabei geschult zu werden, und (2) auf der Ebene der Geräte-GUI oder der Anwendungsprogrammierschnittstelle (API) werden automatisch Parameter vorgeschlagen, die die Gerätekonfiguration und die Datenerfassungsprozesse definieren, und zwar auf der Grundlage eines erlernten und kontinuierlich verfeinerten Modells dieser Vorgänge und unter Anpassung an neue Funktionen der API/GUI des Instruments. Diese Modelle werden während der Leerlaufzeiten mit Hilfe eines Reinforcement-Learning-Ansatzes trainiert, der automatisch Parameterbereiche und Prozessketten erkundet, um die bestmögliche Konfiguration für eine Probe und die gewünschten Messarten zu finden. Durch die Verwendung von Selbst- und Vortraining wird die in diesem Projekt entwickelte Software auf eine breite Palette von Instrumenten anwendbar sein; ihre Verwendung wird an TEMs von vier verschiedenen Herstellern evaluiert, die in den von der Gruppe der PIs von easyTEM betriebenen Labors verfügbar sind. Alle Modelle und die Software werden als Open Source unter einer freizügigen Lizenz zur Verfügung gestellt.

• DFG-Verfahren: Weitere Gerätebezogene Förderung