科学家开发出一种自动生成神经网络的算法 使得深度学习进一步助力科学发现

自动驾驶、语音识别、音乐创作等一系列的奇迹正在由深度学习创造。如今，美国能源部橡树岭国家实验室 (ORNL) 的科学家开发出了一款新软件，使得深度学习能够进一步助力科学发现。

Fermi国家加速器实验室MiniBooNE中微子探测器内部

ORNL的团队致力于研究GPU加速的Titan超级计算机，并开发出了一种可以自动生成神经网络的算法。这些神经网络以人脑中的连接为模型自由构建，并以深度学习的方式进行“学习”。

MENNDL（全称Multi-node Evolutionary Neural Networks for Deep Learning，深度学习多节点进化神经网络），用于评估和测试科学家收集的独特数据集等类别的神经网络，并为其提供建议。借助GPU的加速，其速度变得非常之快，可将之前需要几个月才能完成的工作缩短到几周。

“MENNDL可以节省人们的时间，提高科学发现的速度，”ORNL 自然启发机器学习（Nature Inspired Machine Learning）团队研究科学家Steven Young说道。

面向科学家的AI

尽管ORNL团队是为科学家创建的MENNDL，但AI的范围由此可能得到更广泛的拓展。通过训练神经网络，研究人员创建了一款执行特定任务的软件。ORNL的软件自身可以创建网络，因此，取消了一般情况下配置网络时所需的试验和纠错流程。

该算法可以在Titan的18,688个NVIDIA Tesla GPU中进行规模扩展，同时对几千个潜在网络进行测试和训练，从而预测更适合相应工作的网络。

在许多领域，研究人员使用现有的神经网络或数据集作为其进行深度学习研究的平台。但是，这种方式并不适用于科学家，因为其数据来自科学仪器，并且与用来教计算机进行面部识别或语音识别的数据有很大不同。

“我们在实验室使用的数据提取自中微子探测器、电子显微镜或一些其他科学仪器，”Young说，“这与猫猫狗狗的图片有很大的区别。”

Fermi国家加速器实验室的MINERvA中微子探测器

将工作周期缩短至24小时

MENNDL已经加快了中微子物理的研究速度。中微子是亚原子微粒，科学家认为它们可以揭开宇宙起源和物质本质的未解之谜。

由于中微子探测起来极其困难，美国能源部Fermi国家加速器实验室(Fermilab) 使用高强度光束来研究它们与普通物质的相互作用的方式。这将生成海量数据，研究人员必须对这些数据进行分析，才能精确识别发生相互作用的位置。

Young指出，过去，Fermilab团队需要花费好几个月时间来测试神经网络，才能找出有助于解决问题的网络，而MENNDL只需24小时即可完成。

“有了MENNDL，科学家不再需要花费几个月时间来寻找合适的深度学习框架，只需一天时间即可找出有助于处理数据的网络，”Young说道。

因此，研究人员将能够在更短时间内进行更多的试验，更快地推动科学进步。