La stessa immagine mostrata utilizzando diversi metodi di analisi. a) Immagine grezza al microscopio elettronico. b) Difetti (bianco) come etichettati da un esperto umano. c) Difetti (bianco) etichettati con il metodo della trasformata di Fourier. d) Difetti (bianco) come etichettati dalla rete neurale ottimale. I difetti che non esistono sono mostrati in viola, e i difetti che non sono stati identificati sono arancioni. In poche ore, i ricercatori hanno creato una rete neurale che ha funzionato come un esperto umano, dimostrando la capacità di MENNDL di ridurre significativamente il tempo per analizzare le immagini di microscopia elettronica. Credito:Dipartimento dell'Energia degli Stati Uniti
La ricerca di difetti nelle immagini al microscopio elettronico richiede mesi. Ora, c'è un modo più veloce. Si chiama MENNDL, le reti neurali evolutive multinodo per il deep learning. Crea reti neurali artificiali, sistemi computazionali che imitano vagamente il cervello umano, che estrapolano i difetti dai dati dinamici. Funziona su tutti i nodi disponibili del supercomputer Summit, eseguire 152 miliardi di milioni di calcoli al secondo.
In poche ore, gli scienziati che utilizzano MENNDL hanno creato una rete neurale che ha funzionato come un esperto umano. Riduce di mesi il tempo per analizzare le immagini al microscopio elettronico. MENNDL è il primo approccio noto per identificare automaticamente le informazioni strutturali a livello atomico nei dati di microscopia elettronica a trasmissione a scansione. Nel 2018, MENNDL ha ricevuto un premio R&D 100, considerati gli Oscar dell'innovazione. È anche finalista per il premio Gordon Bell.
MENDL, un sistema di intelligenza artificiale, ha progettato automaticamente una rete di deep learning ottimale per estrarre informazioni strutturali da dati grezzi di microscopia a risoluzione atomica. Per progettare la rete, MENNDL ha usato 18, 000 GPU su tutti i 3000 nodi disponibili del supercomputer Summit. In poche ore, MENNDL crea e valuta milioni di reti utilizzando un sistema scalabile, parallelo, Algoritmo genetico asincrono potenziato con una macchina vettoriale di supporto per trovare automaticamente una topologia di rete di deep learning e un set di iperparametri superiori. Questo lavoro è molto più veloce di quanto potrebbe essere fatto da un esperto umano. Per l'applicazione della microscopia elettronica, il sistema promuove l'obiettivo di una migliore comprensione delle interazioni elettrone-fascio-materia e del feedback basato su immagini in tempo reale, che consente un enorme passo avanti rispetto alla capacità umana verso la nanofabbricazione automatica di materiali.
