Ce sa întâmplat
Newswise raportează că cercetătorii SLAC au dezvoltat o metodă de compresie bazată pe inteligență artificială pentru seturi de date științifice mari. Abordarea separă informațiile după scară, comprimă acele componente cu rețele neuronale și permite utilizatorilor să recupereze regiunile selectate la rezoluții diferite. Cercetătorii au raportat reduceri ale dimensiunii fișierului de 10 până la 100 de ori în mai multe tipuri de date, dar acele rezultate nu au fost confirmate în mod independent în sursa furnizată.
Newswise raportează că cercetătorii de la Laboratorul național de accelerație SLAC al Departamentului de Energie al SUA au dezvoltat o metodă de rețea neuronală pentru a comprima datele brute din experimente științifice la scară largă. Lucrarea a fost publicată în Nature Machine Intelligence, potrivit raportului. Scopul său central este de a reduce dimensiunile fișierelor fără a elimina modelele subtile care s-ar putea dovedi mai târziu importante pentru analiza științifică. Raportul încadrează metoda ca un răspuns la creșterea așteptată a datelor experimentale, mai degrabă decât ca un produs de compresie de uz general pentru consumatori.
Potrivit Newswise, metoda folosește mai întâi analiza wavelet pentru a separa caracteristicile dintr-un set de date după scară. O rețea neuronală comprimă apoi componentele la scară diferită separat, producând o reprezentare compactă care are scopul de a păstra atât structurile largi, cât și detaliile mai fine. În timpul decodării, cercetătorii pot alege o regiune de interes și o pot recupera la diferite scări și rezoluții. Această regăsire selectivă este o caracteristică centrală a abordării: utilizatorii nu trebuie neapărat să decomprimeze un întreg fișier pentru a inspecta o mică parte a unei măsurători.
Newswise raportează că cercetătorii au testat metoda pe mai multe categorii de date, inclusiv măsurători care implică molecule și materiale, măsurători ale câmpului magnetic solar și fotografii. Raportul spune că rețeaua neuronală s-a adaptat la diferite tipuri de date, învățând care caracteristici erau importante pentru fiecare măsurătoare. Cercetătorii au raportat că, în funcție de date și de calitatea sau fidelitatea dorită, metoda ar putea reduce de obicei dimensiunile fișierelor de 10 până la 100 de ori. Sursa furnizată nu furnizează tabelele de referință subiacente, valorile de eroare, metodele de comparare sau dimensiunile setului de date necesare pentru a evalua în mod independent intervalul respectiv.
Raportul identifică Linac Coherent Light Source, sau LCLS, ca o potențială aplicație. Newswise spune că se așteaptă ca instalația să genereze până la un milion de impulsuri de raze X pe secundă, creând volume de date care ar putea atinge terabytes pe secundă pentru instrumentele care își folosesc toate capacitățile. Menționează în mod specific instrumentul de spectroscopie cu fluctuații de fotoni cu raze X, care va studia mișcările particulelor în materiale topologice și cuantice exotice. Sursa descrie metoda de compresie ca fiind potențial utilă pentru această setare, nu ca o implementare de producție confirmată.
Newswise raportează, de asemenea, că abordarea este concepută pentru a funcționa alături de tehnici mai largi de reducere a datelor care rețin doar evenimente sau caracteristici selectate. Cercetătorii o descriu ca o opțiune suplimentară de compresie bazată pe inteligență artificială, mai degrabă decât o înlocuire a metodelor existente. Instruirea a folosit sistemul de calcul Perlmutter la Centrul Național de Calcul Științific de Cercetare Energetică, potrivit raportului. Au inclus cercetători asociați cu SLAC, Stanford, Universitatea Texas din Austin, Universitatea din California, Davis și Universitatea Carnegie Mellon.
De ce contează
Instrumentele științifice produc seturi de date suficient de mari pentru a solicita sistemele de stocare, transfer și analiză. Păstrarea caracteristicilor subtile, permițând în același timp regăsirea specifice regiunii, ar putea reduce costul și timpul de lucru cu date experimentale, în special în facilități precum Linac Coherent Light Source de la SLAC. Valoarea practică va depinde de teste independente, fidelitatea măsurătorilor recuperate și dacă metoda funcționează fiabil în conductele operaționale.
Problema practică este din ce în ce mai importantă pentru știința experimentală. Newswise raportează că instrumentele de ultimă generație vor produce mai multe date decât sistemele actuale de stocare și analiză pot gestiona confortabil. Seturile de date brute mari creează mai multe costuri conectate: necesită capacitate de stocare, lățime de bandă a rețelei pentru mișcare, timp de calcul pentru procesare și timp personalului pentru a localiza și inspecta măsurătorile relevante. O metodă de compresie care păstrează informații utile ar putea afecta toate cele patru părți ale fluxului de lucru.
Rațiunea științifică pentru păstrarea detaliilor fine este mai degrabă specifică decât cosmetică. Newswise raportează că petele mici din imaginile cu raze X pot conține informații despre aranjarea, dezordinea sau dinamica materialelor. Dacă compresia elimină aceste modele, cercetătorii pot pierde dovezile necesare pentru a înțelege cum este structurat un material sau cum se schimbă în timp. Separarea propusă a caracteristicilor după scară are scopul de a face astfel de detalii disponibile atunci când contează, reducând în același timp dimensiunea setului de date global.
Decodificarea selectivă ar putea schimba, de asemenea, modul în care cercetătorii revin datelor arhivate. Raportul spune că compresia convențională poate necesita decomprimarea unui întreg fișier înainte de a putea fi examinată o regiune mică, un proces care ar putea dura minute, ore sau zile, în funcție de setul de date. Newswise raportează că metoda SLAC poate în schimb decomprima doar o regiune solicitată. Dacă acest comportament este validat în sarcini reale, ar putea face analiza exploratorie mai receptivă și ar putea reduce resursele de calcul necesare pentru investigațiile repetate.
Abordarea ar putea fi relevantă dincolo de o singură unitate, deoarece sursa spune că a fost testată pe date științifice și fotografice variate. Această amploare sugerează un posibil cadru general de compresie pentru cercetarea bogată în date, dar nu stabilește performanța universală. Instrumente și întrebări științifice diferite pot valorifica caracteristici diferite, iar o setare de compresie adecvată pentru o sarcină poate șterge informațiile necesare pentru alta. Prin urmare, metoda contează cel mai mult ca o modalitate de a face compresia mai controlabilă și mai conștientă de sarcini, nu ca dovadă că toate datele științifice pot fi comprimate în siguranță la aceeași rată.
Limitări importante rămân. Raportul Newswise furnizat nu verifică în mod independent rezultatele cercetătorilor, nu identifică toate seturile de date de testare, nu cuantifică erorile de reconstrucție sau nu compară metoda cu compresoarele de ultimă generație. De asemenea, nu spune dacă metoda a fost utilizată într-un flux de lucru LCLS live, dacă reducerile raportate includ toate metadatele și supraîncărcarea modelului sau cât de mult calcul este necesar pentru antrenament și decodare. Aceste necunoscute determină dacă cercetarea este un rezultat de laborator sau un instrument care poate fi implementat pe scară largă.
Mecanism interactiv: cum funcționează de fapt
Explorați tehnologia care stau la baza acestei dezvoltări în mod interactiv.
crm_get_transaction(id='4092').Which component of an AI application is the machine-learning model itself?
Ce să urmărești în continuare
Întrebările cheie sunt dacă intervalul de compresie raportat este valabil pentru seturi de date independente, cât de multă informație științifică se pierde la fiecare nivel de compresie și dacă metoda poate funcționa suficient de rapid pentru instrumente reale. Raportarea ulterioară ar trebui, de asemenea, să stabilească dacă software-ul, modelele instruite, datele de evaluare și detaliile de implementare sunt disponibile public și dacă SLAC implementează sistemul într-un experiment de producție.
Evaluarea independentă ar trebui să fie primul test. Rapoartele viitoare ar trebui să furnizeze măsurători ale distorsiunii ratei care să arate cât de multă eroare numerică sau vizuală este introdusă la fiecare nivel de compresie și dacă concluziile științifice importante rămân neschimbate după decompresie. Comparațiile cu metodele convenționale fără pierderi și cu pierderi ar clarifica dacă reducerile raportate de 10 până la 100 de ori reprezintă un avans practic pentru anumite sarcini de lucru sau un rezultat al condițiilor de testare favorabile. Sursa singură nu stabilește că intervalul revendicat se aplică pe scară largă.
Disponibilitatea va conta și ea. Newswise nu spune dacă SLAC a lansat cod sursă, modele antrenate, fișiere de configurare sau seturi de date utilizate pentru evaluare. Fără aceste materiale, cercetătorii externi pot avea dificultăți în a reproduce rezultatele sau în a determina dacă metoda se transferă la propriile instrumente. Costul instruirii, hardware-ul necesar pentru decodare și întreținerea necesară atunci când distribuția datelor se modifică, de asemenea, nu sunt raportate.
Desfășurarea operațională la LCLS sau la o altă facilitate de mare debit ar oferi un test mai semnificativ. Investigatorii ar trebui să măsoare dacă compresia și recuperarea selectivă țin pasul cu datele primite, dacă sistemul introduce o latență inacceptabilă și dacă eșecurile pot fi detectate și recuperate fără a compromite înregistrările brute. Newswise descrie utilizarea viitoare sau potențială la LCLS, dar raportul furnizat nu confirmă că instrumentul funcționează într-o conductă de producție.
Cercetătorii ar trebui să examineze, de asemenea, riscul științific la nivel de caracteristică. O metodă poate păstra calitatea generală a imaginii în timp ce slăbește un semnal mic care este important pentru un anumit experiment. Prin urmare, evaluarea ar trebui să includă teste bazate pe sarcini, cum ar fi dacă oamenii de știință pot recupera aceleași proprietăți materiale sau concluzii fizice din datele comprimate ca și din măsurătorile originale. Raportul nu precizează ce teste au fost efectuate.
În cele din urmă, domeniul va avea nevoie de îndrumări mai clare cu privire la momentul în care compresia AI este adecvată și când trebuie păstrate datele brute. Newswise prezintă metoda ca fiind complementară selecției evenimentelor și altor tehnici de reducere a datelor, ceea ce ridică întrebări despre modul în care reducerile multiple interacționează și dacă erorile se compun. Următoarea dezvoltare cea mai semnificativă ar fi dovezile de la grupuri independente sau o implementare documentată care să arate că metoda păstrează detaliile importante din punct de vedere științific sub constrângeri reale de stocare și analiză.