.jpg)
La tomografía STEM-EDX (Energy Dispersive X-ray) en modo de ángulo limitado ha sido durante años un desafío formidable para la caracterización tridimensional de materiales a escala nanométrica. La necesidad de evitar daños por haz, sumada a restricciones geométricas en el rango de inclinación, genera artefactos conocidos como 'cuña faltante' que distorsionan la resolución espacial y la cuantificación elemental. En este contexto, las técnicas de deep learning no supervisado han emergido como una alternativa robusta para reconstruir mapas elementales sin depender de grandes volúmenes de datos etiquetados. Un enfoque particularmente prometedor es el Deep Image Prior con regularización de variación total (DIP-TV), que al ser extendido a una formulación multicanal permite explotar correlaciones espaciales entre distintos elementos químicos, compensando de forma efectiva la pérdida de información angular. Esta metodología ha sido aplicada con éxito en la reconstrucción tridimensional de dispositivos de memoria de cambio de fase basados en Ge-Sb-Te (GST), tanto en estado virgen como en estado SET (cristalino), utilizando datos adquiridos en un rango limitado de -40° a +40° con paso de 5° y dosis controlada. Los resultados muestran una resolución casi isotrópica y heterogeneidades composicionales vinculadas al funcionamiento del dispositivo, todo ello sin recurrir a priors estructurales externos como las imágenes de campo oscuro anular de alto ángulo.
Este tipo de avances en inteligencia artificial aplicada a microscopía electrónica representa un campo fértil para el desarrollo de aplicaciones a medida y soluciones de ia para empresas. En Q2BSTUDIO, entendemos que la complejidad de los datos científicos requiere software a medida que integre técnicas de procesamiento avanzado, desde agentes IA para la automatización de pipelines de reconstrucción hasta plataformas de servicios inteligencia de negocio con dashboards en Power BI para visualizar mapas elementales en tiempo real. Además, la gestión segura de estos datos y la infraestructura computacional escalable son fundamentales; por ello ofrecemos servicios cloud aws y azure que garantizan disponibilidad y rendimiento, complementados con ciberseguridad para proteger información sensible de laboratorios y centros de investigación. Nuestro equipo trabaja en la implementación de modelos de deep learning que, como el DIP-TV multicanal, puedan ser adaptados a distintas geometrías de adquisición y condiciones de ruido, facilitando la transición desde la investigación académica hacia aplicaciones industriales. Si su organización busca desarrollar soluciones de inteligencia artificial personalizadas o necesita optimizar sus flujos de trabajo en tomografía y análisis elemental, en Q2BSTUDIO ofrecemos consultoría y desarrollo de aplicaciones a medida que integran estos algoritmos con entornos de alto rendimiento.
