Mais nem sempre é melhor – às vezes, é um problema. Com dados altamente complexos, que possuem muitas dimensões devido aos seus inúmeros parâmetros, muitas vezes as correlações não são mais reconhecíveis. Especialmente porque os dados obtidos experimentalmente são adicionalmente perturbados e ruidosos devido a influências que não podem ser controladas.
Agora, um novo software baseado em métodos de inteligência artificial pode ajudar: é uma classe especial de redes neurais (NN) que os especialistas chamam de “rede autoencoder variacional desvinculada (β-VAE)”. Simplificando, a primeira NN se encarrega de compactar os dados, enquanto a segunda NN subsequentemente reconstrói os dados.
“No processo, os dois NNs são treinados para que a forma comprimida possa ser interpretada por humanos”, explica o Dr. Gregor Hartmann. O físico e cientista de dados supervisiona o Joint Lab on Artificial Intelligence Methods no HZB, que é administrado pelo HZB em conjunto com a Universidade de Kassel.
O Google Deepmind já havia proposto o uso de β-VAEs em 2017. Muitos especialistas assumiram que a aplicação no mundo real seria desafiadora, pois os componentes não lineares são difíceis de separar.
“Depois de vários anos aprendendo como os NNs aprendem, finalmente funcionou”, diz Hartmann. Os β-VAEs são capazes de extrair o princípio básico subjacente dos dados sem conhecimento prévio.
No estudo agora publicado na revista Scientific Reports, o grupo usou o software para determinar a energia do fóton do FLASH a partir de espectros de fotoelétrons de disparo único.
“Conseguimos extrair essas informações de dados de tempo de voo de elétrons ruidosos e muito melhor do que com métodos de análise convencionais”, diz Hartmann. Mesmo os dados com artefatos específicos do detector podem ser limpos dessa maneira.
“O método é realmente bom quando se trata de dados danificados”, diz Hartmann. O programa é ainda capaz de reconstruir pequenos sinais que não eram visíveis nos dados brutos. Essas redes podem ajudar a descobrir efeitos físicos inesperados ou correlações em grandes conjuntos de dados experimentais. “A compactação de dados inteligente baseada em IA é uma ferramenta muito poderosa, não apenas na ciência de fótons”, diz Hartmann.
No total, Hartmann e sua equipe passaram três anos desenvolvendo o software. “Mas agora é mais ou menos plug and play. Esperamos que em breve muitos colegas venham com seus dados e possamos apoiá-los.”
Publicado em 25/12/2022 19h32
Artigo original:
Estudo original: