Name: large scale energy efficient sensor network routing using a quantum processor unit
Uploaded: 2023-09-08T14:35:00
Description: Watch this Scientific Journal Video about Large Scale Energy Efficient Sensor Network Routing Using a Quantum Processor Unit at JoVE.com

Arbetet stöds av Engineering and Physical Sciences Research Council of the UK (EPSRC) Grant number EP/W032643/1.

1. Ställa in Dwave Ocean Environment
<ol><li>Ladda ner och installera havsverktygen från länken: https://docs.ocean.dwavesys.com/en/stable/overview/install.html<ol><li>I terminalen skriver du python -m venv ocean.</li>
		<li>Vid terminalen skriver du . ocean/bin/activate, som visas i figur 1.</li>
		<li>I terminalen skriver du git clone https://github.com/dwavesystems/dwave-ocean-sdk.git Skriv sedan cd dwave-...

<ol>
	<li>Chen, J., Date, P., Chancellor, N., Atiquazzaman, M., Cormac, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Controller-based+energy-aware+wireless+sensor+network+routing+using+quantum+algorithms.">Controller-based energy-aware wireless sensor network routing using quantum algorithms.</a> IEEE Transactions on Quantum Engineering. 3, 1-12 (2022).</li><li>Lin, H., Uster, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Exact+and+heuristic+algorithms+for+data-gathering+cluster-based+wireless+sensor+network+design+problem.">Exact and heuristic algorithms for data-gathering cluster-based wireless sensor network design problem.</a> IEEE/ACM Transactions on Networking. 22 (3), 903-916 (2014).</li><li>Zhou, Y., Wang, N., Xiang, W. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Clustering+hierarchy+protocol+in+wireless+sensor+networks+using+an+improved+PSO+algorithm.">Clustering hierarchy protocol in wireless sensor networks using an improved PSO algorithm.</a> IEEE Access. 5, 2241-2253 (2017).</li><li>Seah, W. K. G., Mak, N. H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=How+long+is+the+lifetime+of+a+wireless+sensor+network.">How long is the lifetime of a wireless sensor network.</a> , 763-770 (2009).</li><li>Salahud din, M., Rehman, M. A. U., Ullah, R., Park, C., Kim, B. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Towards+network+lifetime+enhancement+of+resource+constrained+IoT+devices+in+heterogeneous+wireless+sensor+networks+Sensors.">Towards network lifetime enhancement of resource constrained IoT devices in heterogeneous wireless sensor networks Sensors.</a> 20, 4156 (2020).</li><li>Wu, W., Xiong, N., Wu, C. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Improved+clustering+algorithm+based+on+energy+consumption+in+wireless+sensor+networks.">Improved clustering algorithm based on energy consumption in wireless sensor networks.</a> IET Network. 6 (3), 7-53 (2017).</li><li>Kumar, N., Kumar, V., Ali, T., Ayaz, M. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Prolong+network+lifetime+in+the+wireless+sensor+networks:+An+improved+approach.">Prolong network lifetime in the wireless sensor networks: An improved approach.</a> Arabian Journal for Science and Engineering. 46, 3631-3651 (2021).</li><li>Faris, H., Aljarah, I., Al-Betar, M. A., Mirjalili, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Grey+wolf+optimizer:+A+review+of+recent+variants+and+applications.">Grey wolf optimizer: A review of recent variants and applications.</a> Neural Computing and Applications. 30, 413-435 (2018).</li><li>Kaur, J., Arifkhan, M., Iftikhar, M., Imran, M., Haq, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Machine+learning+techniques+for+5G+and+beyond.">Machine learning techniques for 5G and beyond.</a> IEEEAccess. 9, 23472-23488 (2021).</li><li>Shor, P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Polynomial-time+algorithms+for+prime+factorization+and+discrete+logarithms+on+a+quantum+computer.">Polynomial-time algorithms for prime factorization and discrete logarithms on a quantum computer.</a> SIAMJournalonComputing. 26 (5), 1484-1509 (1997).</li><li>Qabouche, H., Sahel, A., Badri, A. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Hybrid+energy+efficient+static+routing+protocol+for+homogeneous+and+heterogeneous+large+scale+WSN.">Hybrid energy efficient static routing protocol for homogeneous and heterogeneous large scale WSN.</a> Wireless Networks. 27, 575-587 (2021).</li><li>Farooq, M., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=POWER:+probabilistic+weight-based+energy-efficient+cluster+routing+for+large-scale+wireless+sensor+networks.">POWER: probabilistic weight-based energy-efficient cluster routing for large-scale wireless sensor networks.</a> The Journal of Supercomputing. 78, 12765-12791 (2022).</li><li>Maddams, W. F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=The+scope+and+limitations+of+curve+fitting.">The scope and limitations of curve fitting.</a> Applied Spectroscopy. 34 (3), 245-267 (1980).</li><li>Wang, X., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+dynamic+opportunistic+routing+protocol+for+asynchronous+duty-cycled+WSNs.">A dynamic opportunistic routing protocol for asynchronous duty-cycled WSNs.</a> IEEE Transactions on Sustainable Computing. , (2023).</li><li>Ismail, A. S., Wang, X., Hawbani, A., Alsamhi, S., Aziz, S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Routing+protocols+classification+for+underwater+wireless+sensor+networks+based+on+localization+and+mobility.">Routing protocols classification for underwater wireless sensor networks based on localization and mobility.</a> Wireless Networks. 28, 797-826 (2022).</li><li>Garcia-Martin, E., Rodrigues, C. F., Riley, G., Grahn, H. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Estimation+of+energy+consumption+in+machine+learning.">Estimation of energy consumption in machine learning.</a> Journal of Parallel Distributed Computing. 134, 75-88 (2019).</li><li>Egger, D. J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Quantum+computing+for+finance:+State-of-the-art+and+future+prospects.">Quantum computing for finance: State-of-the-art and future prospects.</a> IEEE Transactions on Quantum Engineering. 1, 1-24 (2020).</li><li>Rasool, R. U., Ahmad, H. F., Rafique, W., Qayyum, A., Qadir, J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Quantum+computing+for+healthcare+:+A+review.">Quantum computing for healthcare : A review.</a> TechRxiv. , (2021).</li></ol>

Den nuvarande toppmoderna kommersiella kvantprocessorn kan användas i beräkningsproblem för alla nätverkstopologier1. Kvantprocessorprogrammet begränsas inte av antalet fysiska qbits som någon av kvantprocessorerna har kunnat implementera. 
I design av förlängning av sensornätverkets livslängd visar resultaten ett framsteg i metoden för att uppnå ännu längre nätverkslivslängd genom att använda en kvantprocessor. Resultaten tyder på att kvantfördelen ?...

Energibesparing i sensornätverk har varit en mycket kritisk fråga inom design1. Klassiska metoder angriper normalt problemet med hjälp av en ad hoc-metod 2,3,4,5,6. Som sagt, dessa metoder emulerar sensornoderna som individuellt hanterade intelligenta tillgångar som också kan samarbeta för att tjäna både individens och samhällets intressen. På grund av den flyktiga miljön där sensorer arbetar introduceras i vissa verk slumpmässiga algoritmer för att fånga miljöosäkerheterna, medan biointelligens i andra fall lånas för att utforma heuristiska algoritmer som kan uppnå godtagbara resultat med sunt förnuft7. För att illustrera ytterligare, för dessa slumpmässiga algoritmer, för å ena sidan, kan miljöosäkerheter inte vara lika slumpmässiga som den slumpmässiga sekvens som genereras av en klassisk CPU, för andra sidan, även om miljöosäkerheterna är absolut slumpmässiga, kan de inte fångas av den slumpmässiga processsimulatorn som genereras av klassisk CPU; För dessa biointelligensalgoritmer har för det första ingen rigorös matematisk analys härletts för att få ett konceptuellt bevis att fungera, för det andra kan konvergensen till sanningen eller feltoleransgränsen endast konfigureras givet en informerad grundsanning - även om en betydande mängd arbeten i litteraturen i viss utsträckning har visat att dessa heuristiska algoritmer fungerar. För det första analyseras dessa algoritmer (inte simuleras) mot väldefinierade användningsfall, de stannar vid vissa kriterier som fortfarande är värda att begrunda i vidare forskning, för det andra, som tidigare nämnts, har en majoritet av algoritmerna inte validerats mot mjukvarusimulering som lättare kan användas i de mikroprocessorer som gör en sensor till sin varelse8.
Vi tar inte hänsyn till maskininlärning (ML) här eftersom den måste använda dataanalys som kräver en relativt stor volym beräkningskraft som inte är portabel i sensorenheter9.
För att åtgärda ovan nämnda problem tillhandahåller vi en hybridkvantalgoritm. Algoritmen är hybrid på så sätt att mekanismen för val av klusterhuvud implementeras med hjälp av en klassisk slumpmässig algoritm under routningsberäkningarna som utförs med hjälp av en kvantprocessor när nätverkstopologin har konfigurerats. Metoden är motiverad på följande sätt: (1) Som diskuterades i första stycket om miljöosäkerheter vill vi inte sträva efter att ytterligare tillämpa en kvantsekvensgenerator för att fånga miljödynamiken eftersom den kan vara historiskt spårbar. Den miljödynamik som historiskt kan spåras har motiverats av olika forskningsarbeten inom maskininlärning inom nätverksvetenskap. För det nuvarande skedet håller vi oss till det klassiska tillvägagångssättet. (2) Den exakta metoden som bygger på abstrakt matematisk analys garanterar att man kommer fram till den grundläggande sanningen. Kvantexperimentell fysik har hittills fått sofistikerat stöd av fysikalisk matematik. Dessutom har algoritmapplikationer som Shor-algoritmen10 funnits för att bevisa denna avrundade teori.
En tillräcklig mängd litteraturstudier ges nedan för jämförelse. HEESR-protokollet som föreslås11 har påvisbara fördelar i resultat, men författarna har specificerat simuleringskonfigurationsparametrarna väl, till exempel den exakta slumpmässiga fördelningsfunktionen för nodpositionen, den korrekta motiveringen av klusterhuvudets procentandel p (0,2 %) och skalningsparametern för fördelning av energinivå (1-2 joule) mellan noder a_i. Den förbjöd författaren att gå vidare med att duplicera experimenten och genomföra jämförelsen. Power routing-mekanismen12 använder kurvanpassningsmetoden för att approximera konvergerade kontinuerliga funktioner från diskreta datamängder som erhållits från ospecificerat provutrymme för determinanter som påverkar beslutsprocessen för den optimala nätverksroutningen. Kurvanpassningsmetod13 kräver förhandsinformation om nätverkstopologin. Verkliga omständigheter kanske inte har förhandsinformation lätt tillgänglig. Även om det finns tidigare information kanske nätverkstopologin inte är tillräckligt regelbunden för att kunna mappas till anpassningskurvor som kan underlätta härledda beräkningar. Enligt samma logik har DORAF-protokoll14 inte motiverat hur och varför man ska låna Boltzmann-funktionen och Logistic Function för att approximera nätverksdeterminanterna. Ismail et al.15 har tillhandahållit en bra referens för framtida forskningsinsatser om energieffektiv routingprotokolldesign i undervattensnätet.

<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>Dell Laptop</td>
			<td>Dell</td>
			<td>N/A</td>
			<td></td>
		</tr>
		<tr>
			<td>Ubuntu 18.04.6 LTS</td>
			<td>Canonical Ltd</td>
			<td>18.04.6 LTS</td>
			<td></td>
		</tr>
		<tr>
			<td>Python3.8</td>
			<td>Python Software Foundation</td>
			<td>3.8.0</td>
			<td></td>
		</tr>
		<tr>
			<td>Dwave QPU</td>
			<td>Dwave</td>
			<td>https://docs.ocean.dwavesys.com/en/stable/overview/install.html</td>
			<td></td>
		</tr>
	</tbody>
</table>

large scale energy efficient sensor network routing using a quantum processor unit

Metoden för energibesparing i sensornätverk, som är en användningshybrid av en klassisk dator och kvantprocessor, har visat sig fungera bättre än den heuristiska algoritmen med en klassisk dator. I detta manuskript presenteras och motiveras den tekniska kontexten för metodens betydelse. Sedan demonstreras de experimentella stegen i en operationssekvens med illustrationer om det skulle behövas. Metoden har validerats av positiva resultat över en slumpmässigt genererad provuppsättning av nätverkstopologier. De framgångsrika experimentella resultaten av denna metod har gett ett bättre tillvägagångssätt för problem med maximering av sensornätverkens livslängd och visat att den nuvarande kvantprocessorn har kunnat lösa stora praktiska tekniska problem med meriter som åsidosätter nuvarande metoder i litteraturen. Med andra ord kan kvantfördelen utnyttjas på bästa sätt. Det har gått längre än till konceptbevis till bevis på genomförbarhet.

Resultat från ett körningsexempel visas i tabell 2, tabell 3 och tabell 4. Detaljerade datamaterial för de tre materialpartierna finns i mappen Kompletterande uppgifter 1 .
<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always"><tbody><tr><td colspan="3">Datauppsättning 1</td>
		</tr><tr><td>198 noder i ett cirkulärt område med en radie på 50m</td>
			<td>Hybrid kvantalgoritm</td>
			<td>Adva...

Watch this Scientific Journal Video about Large Scale Energy Efficient Sensor Network Routing Using a Quantum Processor Unit at JoVE.com

Large Scale Energy Efficient Sensor Network Routing Using a Quantum Processor Unit

Denna studie ger en metod för att använda en kvantprocessorenhet för att beräkna rutterna för olika trafikdynamiker som arbetar för att överträffa klassiska metoder i litteraturen för att maximera nätverkets livslängd.

Storskalig energieffektiv sensornätverksroutning med hjälp av en kvantprocessorenhet

The sensor network energy conservation method, which is a usage hybrid of a classical computer and quantum processor, has proved to perform better than ...

Detta protokoll visar sig vara mer energimässigt än äldre protokoll. Ur ett forskningsperspektiv för innehållsberäkning visar det här protokollet att den nuvarande flaskhalsen för problem med bullriga kvantbitar inte håller taket för kommersialiteten för innehållsberäkningsteknik. Den här tekniken visar att det är möjligt att tillämpa aktuella metoder för innehållsberäkning på nätverksproblem.Dessutom presenteras fördelarna med att tillämpa content computing-metoder på nätverksproblem jämfört med äldre metoder. För att börja, ladda ner och installera Ocean-verktygen från den angivna länken. På terminalen skriver du python space minus m space venv space ocean och sedan ocean/bin/activate.Skriv sedan git space clone space https:github.com/dwavesystems/dwave-ocean-sdk. git sedan cd space dwave-ocean-sdk, följt av python space setup. PY Space Installera.När du har laddat ner och installerat Cplex, på terminalen, skriver du pip space install space cplex. Med hjälp av Python-programmeringsnotationsskriptet konfigurerar du experimentkonfigurationsparametrarna. När skriptet har körts kommer det underliggande språket att bearbeta för att lagra variablerna i RAM-minnet.Skapa sedan Python-skripten för att generera 198 2D-positioner för sensornoder som är lika utspridda i sex sektorer och dela upp det cirkulära området med en radie på 50 meter. Inom varje sektor, se till att de 33 sensornoderna sprids slumpmässigt med en normalfördelning. Spara 2D-positionerna i textfiler för varje sektor under stavningsregeln för namn som posdata med enkelt citattecken, plus sektorunderstreck no plus txt med enkelt citattecken.Segmentera det cirkulära området med en radie på 50 meter i sex sektorer. För sektorindex I, ställ in pollängden för jth-sensornoden genom att ange det angivna kommandot. Om sektorindexet är L, ställ in vinkelvärdet för jth-sensornoden.Ställ sedan in de kartesiska koordinaterna för den j:e sensornoden i den i:te sektorn. För att förbereda de initiala energinivåerna för alla 198 sensornoder, dela dem lika och tilldela en initial energi på 0,5 joule till hälften av sensornoderna och en joule till den andra hälften. Fortsätt med att skapa en array för att lagra varje nods energinivå och använd en slinga för att tilldela celler som är sekvenserade i jämna tal värdet på ett och de som är sekvenserade i udda tal värdet på 0,5.Förbered sedan ett funktionellt skript för att välja klusterhuvudet. För varje sensornod uppnår du ett slumptal mellan noll och ett, threshold_rm lika med slumpmässigt. slumpmässig parentes.Om threshold_RM är mindre än t_n väljer du den här sensornoden som klusterhuvud. För varje noncluster_head nod väljer du den sensornod för klusterhuvud som ligger närmast den som klusterhuvud. Förbered kommandoraderna för att beräkna energiutarmningsprocessen över hela nätverket för den här omgången.Beräkna slutligen de nödvändiga mätvärdena för överföringsrundan. Om du vill förbereda ett hybridkvantalgoritmskript kör du urvalsproceduren i en loop för att säkerställa att antalet klusterhuvuden är sex. För var och en av noderna som inte cluster_head_valid beräknar du sedan avståndet till varje valt klusterhuvud och tilldelar det till klusterhuvudet vars klusterstorlek inte har överskridit sex och där avståndsvärdet var minst.Förbered sedan ett underfunktionsskript där rotoptimeringsproblemet per kluster bildas och skickas till Dwave-API:et. Med hjälp av Python-skript kan du beräkna energiutarmningen över hela nätverket för att kvantitativt utvärdera algoritmen efter nätverkets livslängd när det gäller antalet överföringsrundor. Spela sedan in det ögonblick då den första noden töms ut och när hälften av noderna töms ut.I den här studien observerades att hybridkvantalgoritmen har mer effektivitet än advanced_leach-algoritmen. Tidskomplexiteten för hybridkvantalgoritmen och hybridkvantalgoritmen som överensstämmer med advanced_leach visas också här. Dessa metoder kan tillämpas på andra system inom objektiv optimering.Till exempel maskin-till-maskin-kommunikation inom tillverkningsindustrin. Enligt innehållsfysiken har innehållsteorin banat väg för varje fast spelmiljö. Det kan leda till ny forskning inom samhällsvetenskap och ekonomi.

Research

JoVE Journal

Engineering

Terahertz Microfluidic Sensing Using a Parallel-plate Waveguide Sensor

Terahertz Mikroflödessystem Sensing Använda en vågledare med parallella plattor sensor

Refractive index (RI) sensing is a powerful noninvasive and label-free sensing technique for the identification, detection and monitoring of microfluidic ...

Analysis of Contact Interfaces for Single GaN Nanowire Devices

Analys av kontaktytor för ensamstående GaN Nanowire-enheter

Single GaN nanowire (NW) devices fabricated on SiO2 can exhibit  a strong degradation after annealing due to the  occurrence of void formation at the ...

How to Build a Vacuum Spring-transport Package for Spinning Rotor Gauges

Hur man bygger en vakuumFjädertransportförpackning för Spinning Rotor Mätare

The spinning rotor gauge (SRG) is a high-vacuum gauge often used as a secondary or transfer standard for vacuum pressures in the range of 1.0 x 10-4 Pa to ...

Resonance Fluorescence of an InGaAs Quantum Dot in a Planar Cavity Using Orthogonal Excitation and Detection

Resonans fluorescens av en InGaAs Quantum Dot i en Planar hålighet med ortogonala Excitation och upptäckt

The ability to perform simultaneous resonant excitation and fluorescence detection is important for quantum optical measurements of quantum dots (QDs). ...

Enhanced Electron Injection and Exciton Confinement for Pure Blue Quantum-Dot Light-Emitting Diodes by Introducing Partially Oxidized Aluminum Cathode

Förbättrad Electron injektion och Exciton inneslutning för ren blå Quantum-Dot lysdioder genom att införa delvis oxiderade aluminium katod

Stable and efficient red (R), green (G), and blue (B) light sources based on solution-processed quantum dots (QDs) play important roles in next-generation ...

Generation and Coherent Control of Pulsed Quantum Frequency Combs

Generation och konsekvent kontroll av pulsad Quantum frekvens kammar

We present a method for the generation and coherent manipulation of pulsed quantum frequency combs. Until now, methods of preparing high-dimensional ...

An Efficient Method for Selective Desalination of Radioactive Iodine Anions by Using Gold Nanoparticles-Embedded Membrane Filter

En effektiv metod för selektiv avsaltning av radioaktiv jod anjoner med guld nanopartiklar-Embedded membranfilter

Here, we demonstrate a detail protocol for the preparation of nanomaterials-embedded composite membranes and its application to the efficient and ...

Measuring Sub-23 Nanometer Real Driving Particle Number Emissions Using the Portable DownToTen Sampling System

Mätning Sub-23 Nanometer Verklig drivande partikel nummer utsläpp med hjälp av den bärbara DownToTen provtagningssystem

The current particle size threshold of the European Particle Number (PN) emission standards is 23 nm. This threshold could change because future ...

Simulating Imaging of Large Scale Radio Arrays on the Lunar Surface

Simulera avbildning av storskaliga radiomatriser på månens yta

In recent years there has been a renewed interest in returning to the Moon for reasons both scientific and exploratory in nature. The Moon provides the ...

Performing In Situ Closed-Cell Gas Reactions in the Transmission Electron Microscope

Performing In Situ Closed-Cell Gas Reactions in the Transmission Electron Microscope

Utföra in Situ slutna-cell gasar reaktioner i överföringselektronmikroskopet

Gas reactions studied by in situ electron microscopy can be used to capture the real-time morphological and microchemical transformations of materials at ...