La misma imagen mostrada usando diferentes métodos de análisis. a) Imagen de microscopía electrónica sin procesar. b) Defectos (blanco) según lo etiquetado por un experto humano. c) Defectos (blanco) según lo etiquetado por un método de transformada de Fourier. d) Defectos (blanco) etiquetados por la red neuronal óptima. Los defectos que no existen se muestran en violeta, y los defectos que no se identificaron son de color naranja. En pocas horas Los investigadores crearon una red neuronal que funcionó tan bien como un experto humano, demostrando la capacidad de MENNDL para reducir significativamente el tiempo para analizar imágenes de microscopía electrónica. Crédito:Departamento de Energía de EE. UU.
Encontrar defectos en las imágenes de microscopía electrónica lleva meses. Ahora, hay una forma más rápida. Se llama MENNDL, las redes neuronales evolutivas multinodo para el aprendizaje profundo. Crea redes neuronales artificiales (sistemas computacionales que imitan vagamente el cerebro humano) que eliminan los defectos de los datos dinámicos. Se ejecuta en todos los nodos disponibles de la supercomputadora Summit, realizando 152 mil millones de millones de cálculos por segundo.
En pocas horas Los científicos que utilizan MENNDL crearon una red neuronal que funcionó tan bien como un experto humano. Reduce el tiempo para analizar imágenes de microscopía electrónica en meses. MENNDL es el primer enfoque conocido para identificar automáticamente información estructural de nivel atómico en el escaneo de datos de microscopía electrónica de transmisión. En 2018, MENNDL recibió un premio R&D 100, considerados los Oscar de la innovación. También es finalista del premio Gordon Bell.
MENNDL, un sistema de inteligencia artificial, diseñó automáticamente una red de aprendizaje profundo óptima para extraer información estructural de datos de microscopía de resolución atómica sin procesar. Para diseñar la red, MENNDL utilizó 18, 000 GPU en todos los 3000 nodos disponibles de la supercomputadora Summit. En unas pocas horas, MENNDL crea y evalúa millones de redes utilizando un sistema escalable paralelo, algoritmo genético asincrónico aumentado con una máquina de vectores de soporte para encontrar automáticamente una topología de red de aprendizaje profundo superior y un conjunto de hiperparámetros. Este trabajo es mucho más rápido de lo que podría realizar un experto humano. Para la aplicación de microscopía electrónica, el sistema promueve el objetivo de comprender mejor las interacciones entre el haz de electrones y la materia y la retroalimentación basada en imágenes en tiempo real, lo que permite un gran paso más allá de la capacidad humana hacia la nanofabricación de materiales automáticamente.
