Automated focusing for micro and nano synchrotron X-ray beams

Synchrotron beamlines require precise and time-consuming alignment procedures to ensure optimal focusing conditions, particularly when operating at the micro- and nanoscale. At the ID13 beamline of the European Synchrotron Radiation Facility (ESRF), frequent changes in photon energy and experimental configurations shift the focal position, making fast and accurate focus determination essential for efficient beamtime. This thesis presents the development and validation of an automated focusing strategy for both the micro and nano experimental hutches of ID13, with the objective of reducing alignment time. To this end, a workflow based on the Golden Section Search was developed. This approach was chosen for its efficiency in minimizing the number of required measurements. Depending on the beam size to assess, different focus metrics have been explored. For the microfocus hutch, a gold cross combined with a PIN diode was used to estimate the beam waist through FWHM estimation. For the nanofocus hutch, the probing sample used is a Siemens star, imaged using the same PIN diode. Different metrics have been tested to quantify the image sharpness: Normalized variance, Tenengrad, and Laplacian variance. To reach sub-100 nm beam size, Multilayer Laue Lenses (MLLs) are used on this beamline. In addition to being chromatic, these lenses deviate the focused beam from the incoming beam optical axis. To ensure consistent region of interest probing of the Siemens star, a Convolutional Neural Network (CNN) was developed for automatic localization of its center. The study demonstrated that Tenengrad combined with Laplacian variance provides the most reliable localization of the focal position across large intervals. The results proved that the proposed workflow enables fast and accurate focal position determination in both microfocus and nanofocus hutches, without requiring complex detectors or computationally intensive algorithms.

Le beamline al sincrotrone richiedono procedure di allineamento e focalizzazione precise e dispendiose in termini di tempo. Presso la beamline ID13 della European Synchrotron Radiation Facility (ESRF), frequenti variazioni di energia e di configurazioni sperimentali comportano uno spostamento della posizione del fuoco, rendendo essenziale una sua determinazione rapida e accurata per ottimizzare le tempistiche sperimentali. Questa tesi presenta lo sviluppo e la validazione di una strategia automatizzata di focalizzazione per i laboratori di ID13 operanti sia a livello micro che nanometrico. Al fine di minimizzare il numero di misure, è stato sviluppato un processo basato sull’algoritmo Golden Section Search. Nella micro hutch, è stata utilizzata una croce d’oro combinata con un diodo PIN per stimare l’ampiezza del fascio tramite il calcolo della full width at half maximum (FWHM). Nella nano hutch, il campione di prova utilizzato è una Siemens star e la trasmissione viene misurata tramite lo stesso diodo PIN. Le metriche testate per quantificare la nitidezza dell’immagine sono: varianza normalizzata, Tenengrad e varianza del Laplaciano. Nella suddetta beamline vengono impiegate lenti di Laue multistrato (Multilayer Laue Lenses, MLLs) allo scopo di raggiungere dimensioni del fascio inferiori a 100 nm. Tali lenti sono cromatiche e deviano il fascio focalizzato rispetto all’asse ottico del fascio incidente. Data la necessità di un’analisi coerente della regione di interesse della Siemens star, è stata implementata una rete neurale convoluzionale (Convolutional Neural Network, CNN) per l’individuazione automatica del suo centro. Lo studio ha dimostrato che la combinazione di Tenengrad e varianza del Laplaciano fornisce la localizzazione più affidabile della posizione del fuoco su intervalli di ricerca ampi. I risultati sperimentali comprovano che il processo proposto consente una determinazione rapida e accurata della posizione focale sia nella micro che nella nano hutch, senza richiedere tecniche di misurazione complesse o algoritmi computazionalmente onerosi.