编者按:这篇文章最初发表在橡树岭国家实验室的网站上。
学生们在大学期间经常参加实习，并在他们选择的职业领域接受正式培训，但有些人甚至更早地追求职业发展机会。
现在在大学新生,凯瑟琳Hausladen然后还要Urbanowicz整个夏天都在初级和高级多年的高中在美国能源部(DOE)的橡树岭国家实验室(ORNL)通过橡树岭高中(ORHS)数学论文计划由ORHS数学教师杰西卡·威廉姆斯和迪安娜冰斧。
在查德·斯蒂德(Chad Steed)的指导下，学生们学习了如何使用Python编程语言进行图像处理应用。查德·斯蒂德是ORNL科学与技术进步视觉信息学实验室的主任。他们利用自己的技能，与美国国家实验室纳米材料科学中心(CNMS)的研发人员、美国能源部科学用户设施办公室的科学家Alex Belianinov合作，为一个正在进行的研究项目做出了贡献。
具体来说，学生们分析了硅藻的图像——圆柱形的单细胞藻类，它们产生多孔的、稳定的硅来构建细胞壁——以确定这些生物的野生和转基因菌株之间的区别。发现这些区别对一组生物学家、材料科学家和计算机科学家很有帮助，他们对优化硅藻的生物矿化过程很感兴趣，生物矿化是从生物系统中制造固体材料的过程。
生物矿化为传统的材料合成方法提供了一种更便宜、更环保的替代方法，而传统的合成方法往往需要昂贵的专门环境来调节温度、压力和其他条件。这两名学生都是发表在npj计算材料杂志上的论文的合著者。
豪斯拉登说:“最令人兴奋的事情是能够解决科学家们试图解决的现实问题，而不是一些理论项目。”
为了制造这种改良的硅藻结构，ORNL的研究人员使用了一种叫做基因敲除的技术，这种技术可以减少目标基因或基因序列的表达。最终，他们计划将硅藻进行有意的变异，用于工业应用，如光子学、药物传输和能够从海水中提取贵金属的水过滤系统。此外，他们还预测，某些结构变化可能会导致硅藻产生其他有用的元素，如钨或锗。
CNMS的科学家Olga Ovchinnikova说:“在纳米结构方面，大自然比我们好得多。”“如果我们能控制生物系统的结构，我们就能创造出有价值的材料，而这些材料目前是不可能或太昂贵的。”
研究小组让Hausladen和Urbanowicz对硅藻样本的特征进行计算比较，因为野生和改良的硅藻变种肉眼是无法分辨的。
使用名为Scikit-learn的Python软件库，学生们开发了一种软件，能够梳理成千上万的图像，并追踪“骨架”——覆盖硅藻的微小孔隙群之间的通路网络——以揭示任何潜在的变异。
”让我印象深刻的事情最是他们开始没有编程经验,和结束的夏天他们编写代码来跟踪这些骨骼微观图像,提供见解,科学家们多年来一直工作在这些类型的项目,”马说。
在学生分析骨骼时，CNMS研究人员使用了不同的代码来追踪毛孔。他们使用消除的方法确定了基因修饰的硅藻导致的孔隙变化比骨架的变化大。这些知识使他们能够设计更复杂的人工智能（AI）方法，以监视和更好地了解他们使用扫描电子显微镜在CNMS上获得的硅藻图像中的细微变化。
CNMS的科学家开发了一种人工神经网络（一种从标记数据中学习的AI工具），可以自动识别这些变化并揭示哪些菌株具有实际应用的理想配置。接下来，他们创建了第二个神经网络来处理数据并提取参数，包括孔的大小，密度和分布。为此，他们依靠ORNL的科学计算和数据环境提供的计算集群。
Ovchinnikova说：“将基因型（基因）与硅藻的表型（外观）联系起来，并理解这种关系是至关重要的，特别是因为有时结构的物理变化可能很小且难以检测，” Ovchinnikova说。
最后，该团队使用Steed开发的可视化工具CrossVis解释了结果，该工具可以在单个图像中显示各种参数之间的交互作用。由于神经网络是一个“黑匣子”，这意味着它们的决策过程通常不清楚，因此，Steed修改了CrossVis，以帮助揭开他们将硅藻归类为野生或改良菌株的因素的神秘性。这些见解可以帮助研究人员为特定的生物矿化目的定制硅藻。
“您如何制造可用于多种应用，不损害环境且不耗费黄金的下一代材料？如果我们至少能够部分说服这些生物为我们完成繁重的工作，那将是一项重大成就。”别利亚尼诺夫说。
更广泛的团队将Hausladen和Urbanowicz提供的原创思想和宝贵见解归功于新研究成果。
Ovchinnikova说：“这些类型的动手程序是培训下一代研究人员的好方法。”
例如，学生获得了编程实践和研究经验，这些经验在大学及以后的实践中可能会有用。
Urbanowicz说：“通过有机会以高中生的身份在ORNL的一个项目上工作，我学到了许多宝贵的课程和沟通技巧，这些技巧和沟通技巧将融入我的职业生涯中。”
这项研究的资金来自ORNL的实验室指导研究与开发计划以及DOE的“通过高级计算进行科学发现”计划。
