新的流技術(shù)允許在數(shù)據(jù)生成時播放數(shù)據(jù)。當科學家想要觀察材料中的微小結(jié)構(gòu)(即使只有幾個原子大小)時，他們經(jīng)常會求助于 X 射線顯微鏡。
X 射線顯微鏡正在發(fā)展到產(chǎn)生的數(shù)據(jù)量超出科學家希望有效處理的數(shù)據(jù)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(jù)的新技術(shù)，這意味著分析收集到的數(shù)據(jù)，然后將結(jié)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(jīng)網(wǎng)絡的形式)融入到 X 射線顯微鏡技術(shù)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(jù)處理速率提高 100 倍以上，同時還將收集的數(shù)據(jù)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(jù)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(chǎn)生的所有數(shù)據(jù)。”
據(jù) Cherukara 稱，在沒有超級計算機的情況下分析這些研究的數(shù)據(jù)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(jīng)網(wǎng)絡意味著我們可以在幾分鐘內(nèi)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(diào)整條件的能力將使科學家或自主儀器能夠?qū)θ绾畏治鰳颖咀龀?ldquo;瞬間選擇”。
“如果你沒有能力動態(tài)分析數(shù)據(jù)，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(shù)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(quán)請聯(lián)系刪除！