阿貢科學(xué)家團(tuán)隊(duì)利用人工智能訓(xùn)練計(jì)算機(jī)，以跟上高級(jí)光子源采集的大量 X 射線數(shù)據(jù)。計(jì)算機(jī)已經(jīng)能夠快速處理 2個(gè)d 圖像一段時(shí)間。您的手機(jī)可以拍攝數(shù)碼照片并以多種方式處理它們。然而，在三個(gè)維度上處理圖像并及時(shí)處理要困難得多。數(shù)學(xué)更復(fù)雜，即使在超級(jí)計(jì)算機(jī)上處??理這些數(shù)字也需要時(shí)間。

這是美國(guó)能源部 ( DOE ) 阿貢國(guó)家實(shí)驗(yàn)室的一組科學(xué)家正在努力克服的挑戰(zhàn)。人工智能已成為解決大數(shù)據(jù)處理問(wèn)題的通用解決方案。對(duì)于誰(shuí)使用先進(jìn)光子源(科學(xué)家APS)，一個(gè) 美國(guó)能源部 科學(xué)辦公室的用戶設(shè)施阿貢，處理 3倍d 的圖像，也可能是關(guān)鍵，以更快的速度打開(kāi)X射線數(shù)據(jù)轉(zhuǎn)換成可見(jiàn)光，可以理解的形狀。在這方面有所突破可能對(duì)天文學(xué)，電子顯微鏡和科學(xué)依賴于大量的其他領(lǐng)域的影響 3個(gè)d 數(shù)據(jù)。

“為了充分利用升級(jí)后的 APS 的 功能，我們必須重新發(fā)明數(shù)據(jù)分析。我們目前的方法不足以跟上。機(jī)器學(xué)習(xí)可以充分利用并超越目前的可能性。” — Mathew Cherukara，阿貢國(guó)家實(shí)驗(yàn)室

該研究小組，其中包括來(lái)自三個(gè)阿貢部門(mén)科學(xué)家已經(jīng)開(kāi)發(fā)出一種新的計(jì)算框架稱為 3 d-CDI-NN，并已表明，它可以創(chuàng)建 3個(gè)d 從收集到的數(shù)據(jù)可視化 APS 幾百倍的速度比傳統(tǒng)方法可. 該團(tuán)隊(duì)的研究 發(fā)表在美國(guó)物理研究所的出版物《應(yīng)用物理評(píng)論》上。

CDI 代表相干衍射成像，這是一種 X 射線技術(shù)，涉及從樣品反射超亮 X 射線束。然后這些光束將被探測(cè)器收集為數(shù)據(jù)，并且需要一些計(jì)算工作才能將這些數(shù)據(jù)轉(zhuǎn)換為圖像。阿貢 X 射線科學(xué)部 ( XSD )計(jì)算 X 射線科學(xué)小組的負(fù)責(zé)人 Mathew Cherukara 解釋說(shuō)，部分挑戰(zhàn)在于探測(cè)器只能從光束中捕獲一些信息。

但是缺失的數(shù)據(jù)中包含重要信息，科學(xué)家們依靠計(jì)算機(jī)來(lái)填充這些信息。作為Cherukara筆記，而這需要一些時(shí)間做 2 d，它需要更長(zhǎng)的時(shí)間與做 3個(gè)d 圖像。因此，解決方案是訓(xùn)練人工智能直接從原始數(shù)據(jù)中識(shí)別物體及其發(fā)生的微觀變化，而無(wú)需填寫(xiě)缺失的信息。

為此，該團(tuán)隊(duì)從模擬 X 射線數(shù)據(jù)開(kāi)始訓(xùn)練神經(jīng)網(wǎng)絡(luò)。 框架標(biāo)題中的 NN，神經(jīng)網(wǎng)絡(luò)是一系列算法，可以教會(huì)計(jì)算機(jī)根據(jù)接收到的數(shù)據(jù)預(yù)測(cè)結(jié)果。該論文的第一作者、美國(guó)能源部 阿貢科學(xué)用戶設(shè)施辦公室納米材料中心 ( CNM ) 的博士后研究員 Henry Chan領(lǐng)導(dǎo)了這部分工作。

“我們使用計(jì)算機(jī)模擬來(lái)創(chuàng)建不同形狀和大小的晶體，并將它們轉(zhuǎn)換成圖像和衍射圖案供神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)，”Chan 說(shuō)。“迅速產(chǎn)生許多現(xiàn)實(shí)晶體訓(xùn)練的難易程度是模擬的好處。”

這項(xiàng)工作是使用 Argonne系統(tǒng)評(píng)估聯(lián)合實(shí)驗(yàn)室的圖形處理單元資源完成的 ，該實(shí)驗(yàn)室部署了領(lǐng)先的測(cè)試平臺(tái)，以支持對(duì)新興高性能計(jì)算平臺(tái)和功能的研究。

Argonne 材料科學(xué)部的物理學(xué)家兼小組負(fù)責(zé)人 Stephan Hruszkewycz 說(shuō)，一旦網(wǎng)絡(luò)經(jīng)過(guò)訓(xùn)練，它就可以很快地接近正確答案。然而，仍有改進(jìn)的空間，因此 3 D-CDI-NN 框架包括一個(gè)過(guò)程，使網(wǎng)絡(luò)完成剩下的工作。Hruszkewycz 與西北大學(xué)研究生 Saugat Kandel 一起致力于該項(xiàng)目的這一方面，從而減少了耗時(shí)的迭代步驟的需要。

“關(guān)于相干衍射的材料科學(xué)部的憂慮，因?yàn)槟憧梢钥吹皆趲讉€(gè)納米的長(zhǎng)度尺度材料-約 100，000 比人類的頭發(fā)的寬度小倍-用X射線穿入的環(huán)境中，” Hruszkewycz說(shuō)。“本文是這些先進(jìn)的方法的示范，它極大地方便了成像過(guò)程。我們想知道一種材料是什么，以及它是如何隨時(shí)間變化的，這將有助于我們?cè)谶M(jìn)行測(cè)量時(shí)更好地了解它。”

作為最后的步驟， 3 d-CDI-NN的能力來(lái)填充丟失的信息，并拿出一個(gè) 3 d 可視化物上的金微小顆粒，在束線收集真實(shí)X射線數(shù)據(jù)測(cè)試 34 -ID-C 在在 APS。結(jié)果是一種計(jì)算方法在模擬數(shù)據(jù)上快了數(shù)百倍，在真實(shí)APS 數(shù)據(jù)上幾乎快了幾百倍 。測(cè)試還表明，網(wǎng)絡(luò)可以用比通常需要的數(shù)據(jù)更少的數(shù)據(jù)來(lái)重建圖像，以補(bǔ)償檢測(cè)器未捕獲的信息。

Chan 表示，這項(xiàng)研究的下一步是將網(wǎng)絡(luò)集成到 APS的工作流程中，以便它在獲取數(shù)據(jù)時(shí)從數(shù)據(jù)中學(xué)習(xí)。他說(shuō)，如果網(wǎng)絡(luò)從光束線上的數(shù)據(jù)中學(xué)習(xí)，它將不斷改進(jìn)。

對(duì)于這個(gè)團(tuán)隊(duì)，這項(xiàng)研究也有時(shí)間因素。正如 Cherukara 所指出的，APS的 大規(guī)模升級(jí) 正在進(jìn)行中，一旦項(xiàng)目完成，現(xiàn)在生成的數(shù)據(jù)量將呈指數(shù)級(jí)增長(zhǎng)。升級(jí)后的 APS 將產(chǎn)生 亮度高達(dá)500倍的X 射線束 ，并且光束的相干性——光的特性，允許它以編碼更多樣品信息的方式衍射——將大大增加。

這意味著雖然現(xiàn)在從樣本中收集相干衍射成像數(shù)據(jù)并獲得圖像需要兩到三分鐘的時(shí)間，但該過(guò)程的數(shù)據(jù)收集部分將很快提高 500 倍。將該數(shù)據(jù)轉(zhuǎn)換為可用圖像的過(guò)程也需要比現(xiàn)在快數(shù)百倍才能跟上。

“為了充分利用升級(jí)后的 APS 的 功能，我們必須重新發(fā)明數(shù)據(jù)分析，”Cherukara 說(shuō)。“我們目前的方法是不夠的跟上。機(jī)器學(xué)習(xí)可以充分利用并超越目前的可能性。”

除了 Chan、Cherukara 和 Hruszkewycz，該論文的作者還包括來(lái)自 Argonne 的 Subramanian Sankaranarayanan 和 Ross Harder;SLAC 國(guó)家加速器實(shí)驗(yàn)室的Youssef Nashed ;和西北大學(xué)的 Saugat Kandel。

　　免責(zé)聲明：本文由用戶上傳，與本網(wǎng)站立場(chǎng)無(wú)關(guān)。財(cái)經(jīng)信息僅供讀者參考，并不構(gòu)成投資建議。投資者據(jù)此操作，風(fēng)險(xiǎn)自擔(dān)。 如有侵權(quán)請(qǐng)聯(lián)系刪除！