04.01.2023

KI-gestützte Software schafft Durchblick bei komplexen Daten

Erfolgreicher Einsatz für die Photonendiagnostik beim Freien Elektronenlaser FLASH.

Experimentelle Daten sind oft nicht nur hochdimensional, sondern auch verrauscht und voller Artefakte. Das erschwert es, die Daten zu interpretieren. Jetzt hat ein Team am Helmholtz-Zentrum Berlin für Materialien und Energie eine Software konzipiert, die mit Hilfe von selbstlernenden neuronalen Netzwerken die Daten smart komprimiert und im nächsten Schritt eine rauscharme Version rekonstruieren kann. Das ermöglicht Einblicke in Zusammenhänge, die sonst nicht erkennbar wären. Die Software wurde jetzt erfolgreich für die Photonendiagnostik beim Freien Elektronenlaser FLASH bei DESY eingesetzt. Sie eignet sich jedoch für viele unterschiedliche Anwendungen in der Wissenschaft.

Abb.: Mit Hilfe von selbst­lernenden neuro­nalen Netz­werken werden die...
Abb.: Mit Hilfe von selbst­lernenden neuro­nalen Netz­werken werden die Daten smart kompri­miert und im nächsten Schritt eine rausch­arme Version rekon­struiert. Das ermöglicht Einblicke in Zusammen­hänge, die sonst nicht erkenn­bar wären. (Bild: HZB)

Das Team verwendet eine besondere Klasse von neuronalen Netzen, genannt „disentangled variational autoencoder networks“, kurz β-VAEs. Vereinfacht gesagt sorgt das erste neuronale Netz für die Komprimierung der Daten, während das zweite neuronale Netz im Anschluss die Daten wieder rekonstruiert. „Dabei sind die beiden Netze so trainiert, dass die komprimierte Form für den Menschen interpretierbar wird“, erklärt Physiker Gregor Hartmann, der am HZB das Joint Lab zu Methoden der künstlichen Intelligenz, das vom HZB gemeinsam mit der Universität Kassel betrieben wird, betreut

Google Deepmind hatte bereits im Jahr 2017 vorgeschlagen, β-VAEs zu nutzen. Viele Experten gingen davon aus, dass die Anwendung in der echten Welt herausfordernd werden wird, da gerade nicht-lineare Komponenten schwer entwirrbar sind. „Nach mehreren Jahren, in denen wir lernen mussten, wie die neuronalen Netze lernen, funktionierte es dann endlich”, sagt Hartmann. Die β-VAEs sind in der Lage, ein zugrunde liegende Kernprinzip ohne Vorkenntnisse aus Daten zu extrahieren.

In ihrer Studie hat die Gruppe die Software genutzt, um die Photonenenergie von FLASH aus Einzelphotoelektronenspektren zu bestimmen. „Es ist uns gelungen, aus verrauschten Elektronflugzeitdaten diese Informationen zu extrahieren, und zwar deutlich besser als mit herkömmlichen Analysemethoden“, sagt Hartmann. Auch Daten mit detektorspezifischen Artefakten können so bereinigt werden.

„Die Methode ist richtig gut, wenn es um beeinträchtigte Daten geht“, betont Hartmann. Das Programm ist sogar in der Lage, winzige Signale, die in den Rohdaten nicht erkennbar waren, zu rekonstruieren. Solche Netzwerke können dazu beitragen, unerwartete physikalische Effekte oder Korrelationen in großen experimentellen Datensätzen aufzudecken. „Die KI-basierte intelligente Datenkompression ist ein sehr leistungsstarkes Werkzeug, nicht nur in der Photonenforschung“, sagt Hartmann.

HZB / RK

Weitere Infos

 

 

Virtuelle Jobbörse

Virtuelle Jobbörse
Eine Kooperation von Wiley-VCH und der DPG

Virtuelle Jobbörse

Innovative Unternehmen präsentieren hier Karriere- und Beschäftigungsmöglichkeiten in ihren Berufsfeldern.

Die Teilnahme ist kostenfrei – erforderlich ist lediglich eine kurze Vorab-Registrierung.

Sonderhefte

Physics' Best und Best of
Sonderausgaben

Physics' Best und Best of

Die Sonder­ausgaben präsentieren kompakt und übersichtlich neue Produkt­informationen und ihre Anwendungen und bieten für Nutzer wie Unternehmen ein zusätzliches Forum.

Meist gelesen

Themen