L’apprentissage en profondeur est utilisé par une équipe de scientifiques du Laboratoire national d’Argonne pour transformer les données de rayons X en images 3D grâce à l’aide de intelligence artificielle et du matériel NVIDIA. Le projet a été publié dans Applied Physics Reviews et crée un cadre de calcul capable de prendre des données de la source de photons avancée (APS) du laboratoire pour créer des visualisations 3D des centaines de fois plus rapidement que les méthodes traditionnelles.
Décrit comme l’une des machines les plus complexes au monde sur le plan technologique, l’APS utilise des faisceaux de rayons X extrêmement brillants pour aider les chercheurs à voir la structure des matériaux au niveau moléculaire et atomique. Au fur et à mesure que ces faisceaux de lumière rebondissent sur un objet, les détecteurs les collectent sous forme de données qui peuvent être envoyées à l’algorithme d’apprentissage en profondeur.
« Afin d’exploiter pleinement les capacités de l’APS mis à niveau, nous devons réinventer l’analyse des données. Nos méthodes actuelles ne suffisent pas à suivre le rythme. L’apprentissage automatique peut tirer pleinement parti et aller au-delà de ce qui est actuellement possible », Mathew Cherukara, informaticien à Argonne et co-auteur de l’étude.
À l’aide de l’apprentissage en profondeur, du temps et de calculs complexes, ces données sont converties en images, révélant la structure de l’objet sous forme de visualisation. Le travail pour le nouveau cadre de calcul, connu sous le nom de 3D-CDI-NN, a été développé à l’aide des ressources GPU du Joint Laboratory for System Evaluation d’Argonne, composé des GPU NVIDIA A100 et RTX 8000. Regardez la vidéo ci-dessous pour en savoir plus.
pour plus d’informations sur la recherche et les techniques d’apprentissage en profondeur utilisées pour transformer les données en images 3D, rendez-vous sur le site Web officiel du Laboratoire national d’Argonne ci-dessous.
Certains de nos articles incluent des liens d’affiliation. Si vous achetez quelque chose via l’un de ces liens, lilypop peut gagner une commission d’affiliation. .
