深度学习展现出了奇迹,从驾驶、辨识口说内容,再到创作音乐,深度学习让这一切都自动运作。如今美国能源部橡树岭国家实验室(ORNL)的科学家开发出新的软件,日后深度学习将推动加快科学发现的脚步。

科学家团队使用ORNL 的GPU 加速 Titan 超级计算机,开发出一种自动生成神经网络的算法,它粗略模仿人脑内神经元的串连情况,会在深度学习里进行“学习”。

用于深度学习的多节点进化神经网络(Multi-node Evolutionary Neural Networks for Deep Learning,MENNDL)会评估、测试及推荐用于独特数据集的神经网络,就像是科学家收集的独特数据集,加上GPU 的加速运算能力,将原本要耗费数月的工作时间缩短到几周便可完成。

ORNL 的Nature Inspired Machine Learning 团队研究科学家 Steven Young 说:“MENNDL 可以节省人们的宝贵时间,更早发现科学界的新知。”

供科学家使用的人工智能

ORNL 的团队虽为科学家开发出MENNDL,它却有可能更广泛地改变人工智能。研究团队训练神经网络,开发软件来执行某些工作。ORNL 的软件会自己建立神经网络,消除了配置神经网络所需的试错过程。

算法在Titan 的18,688个 Tesla GPU 上进行运作,同时测试及训练数千个潜在的神经网络,以预测最适合这项工作的神经网络。

在许多领域里,研究人员利用现有的神经网络或数据集当成进行深度学习的起点,这对科学家来说却是不可能的。他们使用科学仪器来收集数据,跟教导计算机辨识脸孔或理解口说内容的数据集,有极大的不同。

Young 说:“我们在实验室里使用从微中子探测器、电子显微镜或其他科学仪器取得的资料,那跟猫狗的照片相去甚远。”

24小时运转

MENNDL 已经加快了对微中子物理的研究。科学家认为可以通过微中子这项次原子粒子,揭开宇宙起源和物质性质等尚待解开的奥秘。

微中子的踪迹极难以发现,美国能源部费米国立加速器实验室(Fermilab)的科学家使用高强度光束来研究微中子与普通物质的反应。此举产生了大量数据,研究人员必须加以分析,以精准找出发生相互作用的位置。

Young 表示以前Fermilab 的团队要花费数个月来测试,企求找到能解决问题的神经网络,而MENNDL 只用了24个小时便做到了。

Young说:“科学家无需花上几个月的时间去研究深度学习框架,MENNDL 只要一天的时间便能找出能处理其数据的神经网络。”

那使得研究人员能在更短时间内进行更多实验,更快推动科学界的发展脚步。

如需更多信息,请见ORNL 的报告《Optimizing Deep Learning Hyper-Parameters Through an Evolutionary Algorithm》。