新的流技术允许在数据生成时播放数据。当科学家想要观察材料中的微小结构(即使只有几个原子大小)时，他们经常会求助于 X 射线显微镜。
X 射线显微镜正在发展到产生的数据量超出科学家希望有效处理的数据量，即使使用大型超级计算机也是如此。因此，研究人员正在寻找能够让他们动态处理数据的新技术，这意味着分析收集到的数据，然后将结果反馈到实验中，最终创建一条自主发现的途径。
美国能源部 (DOE) 阿贡国家实验室高级光子源 (APS) 的科学家最近开发了一种新方法，将机器学习(以神经网络的形式)融入到 X 射线显微镜技术中。新流程使研究人员能够花费更少的时间对材料进行采样，并将数据处理速率提高 100 倍以上，同时还将收集的数据量减少 25 倍。 APS 是美国能源部科学办公室的一个用户设施。
“问题在于传统的分析方法无法跟上数据速率，”该研究的作者之一、阿贡国家实验室小组负责人、计算科学家马修·切鲁卡拉 (Mathew Cherukara) 说。 “所以我们面临的情况是，你拥有这些极其复杂、非凡的硬件，但我们没有办法分析它们产生的所有数据。”
据 Cherukara 称，在没有超级计算机的情况下分析这些研究的数据可能需要几天到几周的时间，即使使用超级计算机也可能需要几个小时。
“新的神经网络意味着我们可以在几分钟内以仪器的全速运行许多这样的实验，”他说。
该研究的另一位作者、阿贡国家实验室小组负责人安东尼诺·米切利指出，快速进行这些实验并自发调整条件的能力将使科学家或自主仪器能够对如何分析样本做出“瞬间选择”。
“如果你没有能力动态分析数据，你将无法做出此类决定，”他说。
该研究的另一位作者、阿贡国家实验室物理学家周涛表示，这项新技术最终可能会为 APS 腾出时间进行更多更好的实验。
标签：
免责声明：本文由用户上传，如有侵权请联系删除！