自動駕駛、語音識別、音樂創(chuàng)作等一系列的奇跡正在由深度學(xué)習(xí)創(chuàng)造。如今，美國能源部橡樹嶺國家實驗室 (ORNL) 的科學(xué)家開發(fā)出了一款新軟件，使得深度學(xué)習(xí)能夠進一步助力科學(xué)發(fā)現(xiàn)。

Fermi國家加速器實驗室MiniBooNE中微子探測器內(nèi)部

ORNL的團隊致力于研究GPU加速的Titan超級計算機，并開發(fā)出了一種可以自動生成神經(jīng)網(wǎng)絡(luò)的算法。這些神經(jīng)網(wǎng)絡(luò)以人腦中的連接為模型自由構(gòu)建，并以深度學(xué)習(xí)的方式進行“學(xué)習(xí)”。

MENNDL（全稱Multi-node Evolutionary Neural Networks for Deep Learning，深度學(xué)習(xí)多節(jié)點進化神經(jīng)網(wǎng)絡(luò)），用于評估和測試科學(xué)家收集的獨特數(shù)據(jù)集等類別的神經(jīng)網(wǎng)絡(luò)，并為其提供建議。借助GPU的加速，其速度變得非常之快，可將之前需要幾個月才能完成的工作縮短到幾周。

“MENNDL可以節(jié)省人們的時間，提高科學(xué)發(fā)現(xiàn)的速度，”O(jiān)RNL 自然啟發(fā)機器學(xué)習(xí)（Nature Inspired Machine Learning）團隊研究科學(xué)家Steven Young說道。

面向科學(xué)家的AI

盡管ORNL團隊是為科學(xué)家創(chuàng)建的MENNDL，但AI的范圍由此可能得到更廣泛的拓展。通過訓(xùn)練神經(jīng)網(wǎng)絡(luò)，研究人員創(chuàng)建了一款執(zhí)行特定任務(wù)的軟件。ORNL的軟件自身可以創(chuàng)建網(wǎng)絡(luò)，因此，取消了一般情況下配置網(wǎng)絡(luò)時所需的試驗和糾錯流程。

該算法可以在Titan的18,688個NVIDIA Tesla GPU中進行規(guī)模擴展，同時對幾千個潛在網(wǎng)絡(luò)進行測試和訓(xùn)練，從而預(yù)測更適合相應(yīng)工作的網(wǎng)絡(luò)。

在許多領(lǐng)域，研究人員使用現(xiàn)有的神經(jīng)網(wǎng)絡(luò)或數(shù)據(jù)集作為其進行深度學(xué)習(xí)研究的平臺。但是，這種方式并不適用于科學(xué)家，因為其數(shù)據(jù)來自科學(xué)儀器，并且與用來教計算機進行面部識別或語音識別的數(shù)據(jù)有很大不同。

“我們在實驗室使用的數(shù)據(jù)提取自中微子探測器、電子顯微鏡或一些其他科學(xué)儀器，”Young說，“這與貓貓狗狗的圖片有很大的區(qū)別?！?/p>

Fermi國家加速器實驗室的MINERvA中微子探測器

將工作周期縮短至24小時

MENNDL已經(jīng)加快了中微子物理的研究速度。中微子是亞原子微粒，科學(xué)家認為它們可以揭開宇宙起源和物質(zhì)本質(zhì)的未解之謎。

由于中微子探測起來極其困難，美國能源部Fermi國家加速器實驗室(Fermilab) 使用高強度光束來研究它們與普通物質(zhì)的相互作用的方式。這將生成海量數(shù)據(jù)，研究人員必須對這些數(shù)據(jù)進行分析，才能精確識別發(fā)生相互作用的位置。

Young指出，過去，F(xiàn)ermilab團隊需要花費好幾個月時間來測試神經(jīng)網(wǎng)絡(luò)，才能找出有助于解決問題的網(wǎng)絡(luò)，而MENNDL只需24小時即可完成。

“有了MENNDL，科學(xué)家不再需要花費幾個月時間來尋找合適的深度學(xué)習(xí)框架，只需一天時間即可找出有助于處理數(shù)據(jù)的網(wǎng)絡(luò)，”Young說道。

因此，研究人員將能夠在更短時間內(nèi)進行更多的試驗，更快地推動科學(xué)進步。