A menudo, los datos experimentales no sólo son muy dimensionales, sino también ruidosos y llenos de artefactos. Esto dificulta su interpretación. Ahora, un equipo de HZB ha diseñado un programa informático que utiliza redes neuronales de aprendizaje automático para comprimir los datos de forma inteligente y reconstruir una versión con poco ruido en el siguiente paso. Esto permite reconocer correlaciones que de otro modo no serían perceptibles. El software ya se ha utilizado con éxito en el diagnóstico de fotones en el láser de electrones libres FLASH del DESY. Pero es adecuado para aplicaciones científicas muy diferentes.
Más no siempre es mejor, pero a veces es un problema. Con datos muy complejos, que tienen muchas dimensiones debido a sus numerosos parámetros, las correlaciones a menudo ya no son reconocibles. Sobre todo porque los datos obtenidos experimentalmente están además perturbados y son ruidosos debido a influencias que no se pueden controlar.
Ahora, un nuevo software basado en métodos de inteligencia artificial puede ayudar: Se trata de una clase especial de redes neuronales (NN) que los expertos denominan "red autoencodificadora variacional desenredada (β-VAE)". En pocas palabras, la primera NN se encarga de comprimir los datos, mientras que la segunda los reconstruye posteriormente. "En el proceso, las dos NN se entrenan para que la forma comprimida pueda ser interpretada por los humanos", explica el Dr. Gregor Hartmann. El físico y científico de datos supervisa el Laboratorio Conjunto de Métodos de Inteligencia Artificial de HZB, que dirige junto con la Universidad de Kassel.
Google Deepmind ya había propuesto utilizar β-VAEs en 2017. Muchos expertos suponían que la aplicación en el mundo real sería todo un reto, ya que los componentes no lineales son difíciles de desentrañar. "Después de varios años aprendiendo cómo aprenden las NN, finalmente funcionó", dice Hartmann. Los β-VAE son capaces de extraer el principio básico subyacente de los datos sin necesidad de conocimientos previos.
En el estudio que ahora se publica, el grupo utilizó el software para determinar la energía fotónica de FLASH a partir de espectros de fotoelectrones de un solo disparo. "Conseguimos extraer esta información a partir de datos de tiempo de vuelo de electrones ruidosos, y mucho mejor que con los métodos de análisis convencionales", afirma Hartmann. Incluso los datos con artefactos específicos del detector pueden limpiarse de esta forma".
"El método es realmente bueno cuando se trata de datos deteriorados", subraya Hartmann. El programa es capaz incluso de reconstruir pequeñas señales que no eran visibles en los datos brutos. Estas redes pueden ayudar a descubrir efectos físicos inesperados o correlaciones en grandes conjuntos de datos experimentales. "La compresión inteligente de datos basada en IA es una herramienta muy poderosa, no sólo en la ciencia de los fotones", afirma Hartmann.
En total, Hartmann y su equipo emplearon tres años en desarrollar el software. "Pero ahora es más o menos plug and play. Esperamos que pronto vengan muchos colegas con sus datos y podamos ayudarles".
El récord mundial actual de células solares en tándem formadas por una célula inferior de silicio y una superior de perovskita vuelve a estar en HZB. La nueva célula solar en tándem convierte el 32,5% de la radiación solar incidente en energía eléctrica. El instituto certificador European S ... más
Nueva óptica monocromadora para rayos X tiernos
Hasta ahora, ha sido extremadamente tedioso realizar mediciones con alta sensibilidad y alta resolución espacial utilizando luz de rayos X en el tierno rango de energía de 1,5 - 5,0 keV. Sin embargo, esta luz de rayos X es ideal para investigar materiales energéticos como baterías o cataliz ... más
Los nanodiamantes pueden activarse como fotocatalizadores con la luz solar
Los materiales de nanodiamante tienen potencial como fotocatalizadores de bajo coste. Pero hasta ahora, estas nanopartículas de carbono necesitaban una luz ultravioleta de alta energía para ser activas. Por ello, el consorcio DIACAT ha producido y analizado variaciones de materiales de nano ... más
