新的流技術允許在數(shù)據生成時播放數(shù)據。當科學家想要觀察材料中的微小結構(即使只有幾個原子大小)時，他們經常會求助于 X 射線顯微鏡。
X 射線顯微鏡正在發(fā)展到產生的數(shù)據量超出科學家希望有效處理的數(shù)據量，即使使用大型超級計算機也是如此。因此，研究人員正在尋找能夠讓他們動態(tài)處理數(shù)據的新技術，這意味著分析收集到的數(shù)據，然后將結果反饋到實驗中，最終創(chuàng)建一條自主發(fā)現(xiàn)的途徑。
美國能源部 (DOE) 阿貢國家實驗室高級光子源 (APS) 的科學家最近開發(fā)了一種新方法，將機器學習(以神經網絡的形式)融入到 X 射線顯微鏡技術中。新流程使研究人員能夠花費更少的時間對材料進行采樣，并將數(shù)據處理速率提高 100 倍以上，同時還將收集的數(shù)據量減少 25 倍。 APS 是美國能源部科學辦公室的一個用戶設施。
“問題在于傳統(tǒng)的分析方法無法跟上數(shù)據速率，”該研究的作者之一、阿貢國家實驗室小組負責人、計算科學家馬修·切魯卡拉 (Mathew Cherukara) 說。 “所以我們面臨的情況是，你擁有這些極其復雜、非凡的硬件，但我們沒有辦法分析它們產生的所有數(shù)據。”
據 Cherukara 稱，在沒有超級計算機的情況下分析這些研究的數(shù)據可能需要幾天到幾周的時間，即使使用超級計算機也可能需要幾個小時。
“新的神經網絡意味著我們可以在幾分鐘內以儀器的全速運行許多這樣的實驗，”他說。
該研究的另一位作者、阿貢國家實驗室小組負責人安東尼諾·米切利指出，快速進行這些實驗并自發(fā)??調整條件的能力將使科學家或自主儀器能夠對如何分析樣本做出“瞬間選擇”。
“如果你沒有能力動態(tài)分析數(shù)據，你將無法做出此類決定，”他說。
該研究的另一位作者、阿貢國家實驗室物理學家周濤表示，這項新技術最終可能會為 APS 騰出時間進行更多更好的實驗。
標簽：
免責聲明：本文由用戶上傳，如有侵權請聯(lián)系刪除！