Nuevo software basado en inteligencia artificial ayuda a interpretar datos complejos

Más no siempre es mejor; 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 se ven perturbados y ruidosos debido a influencias que no se pueden controlar.

Ahora, un nuevo software basado en métodos de inteligencia artificial puede ayudar: es una clase especial de redes neuronales (NN) que los expertos llaman «red de autocodificador variacional desenredada (β-VAE)». En pocas palabras, el primer NN se encarga de comprimir los datos, mientras que el segundo NN reconstruye posteriormente los datos.

«En el proceso, los dos NN se entrenan para que los humanos puedan interpretar la forma comprimida», explica el Dr. Gregor Hartmann. El físico y científico de datos supervisa el Laboratorio Conjunto sobre Métodos de Inteligencia Artificial en HZB, que está dirigido por HZB junto con la Universidad de Kassel.

Google Deepmind ya había propuesto usar β-VAEs en 2017. Muchos expertos asumieron que la aplicación en el mundo real sería un desafío, ya que los componentes no lineales son difíciles de desentrañar.

«Después de varios años de aprender cómo aprenden los NN, finalmente funcionó», dice Hartmann. Los β-VAEs pueden extraer el principio básico subyacente de los datos sin conocimiento previo.

En el estudio publicado ahora en la revista Informes científicosel grupo usó el software para determinar la energía fotónica de FLASH a partir de espectros de fotoelectrones de disparo único.

«Logramos extraer esta información de datos de tiempo de vuelo de electrones ruidosos, y mucho mejor que con los métodos de análisis convencionales», dice Hartmann. Incluso los datos con artefactos específicos del detector se pueden limpiar de esta manera.

«El método es realmente bueno cuando se trata de datos deteriorados», dice Hartmann. El programa incluso puede reconstruir pequeñas señales que no eran visibles en los datos sin procesar. Tales redes pueden ayudar a descubrir correlaciones o efectos físicos inesperados en grandes conjuntos de datos experimentales. «La compresión de datos inteligente basada en IA es una herramienta muy poderosa, no solo en la ciencia de los fotones», dice Hartmann.

En total, Hartmann y su equipo pasaron tres años desarrollando el software. «Pero ahora, es más o menos plug and play. Esperamos que pronto vengan muchos colegas con sus datos y podamos apoyarlos».