Marie Rousseau Mais il convient à des applications scientifiques très différentes.
In addition n’est pas toujours mieux, mais parfois un problème. Avec des données très complexes, qui ont de nombreuses dimensions en raison de leurs nombreux paramètres, les corrélations ne sont souvent plus reconnaissables. D’autant as well as que les données obtenues expérimentalement sont en outre perturbées et bruitées en raison d’influences qui ne peuvent pas être contrôlées.
Aider les humains à interpréter les données
Désormais, de nouveaux logiciels basés sur des méthodes d’intelligence artificielle peuvent aider . En termes simples, le leading NN s’occupe de compresser les données, tandis que le next NN reconstruit ensuite les données. “Dans le processus, les deux NN sont entraînés de manière à ce que la forme compressée puisse être interprétée par des humains”, explique le Dr Gregor Hartmann. Le physicien et scientifique des données supervise le laboratoire commun sur les méthodes d’intelligence artificielle à HZB, qui est géré par HZB en collaboration avec l’Université de Kassel.
Extraire les principes de base sans connaissances préalables
Google Deepmind avait déjà proposé d’utiliser les β-VAE en 2017. auto les composants non linéaires sont difficiles à démêler. cela a finalement fonctionné”, déclare Hartmann.
/h3>
“Nous avons réussi à extraire ces informations à partir de données de temps de vol d’électrons bruités, et bien mieux qu’avec les méthodes d’analyse conventionnelles”, explique Hartmann. Même les données avec des artefacts spécifiques au détecteur peuvent être nettoyées de cette façon.
Un outil puissant pour différents problèmes
déclare Hartmann.
Maintenant branchez et jouez
Au full, Hartmann et son équipe ont passé trois ans à développer le logiciel. “Mais maintenant, c’est furthermore ou moins plug and play. Nous espérons que bientôt de nombreux collègues viendront avec leurs données et nous pourrons les soutenir.”
