Ny AI-metode reducerer videnskabelige datasæt med op til 100 gange
Forskere ved SLAC National Accelerator Laboratory har udviklet en neuralnetværksbaseret komprimeringsmetode, der i tests reducerede mængden af videnskabelige data med faktorer på 10 til 100, afhængigt af inputdataene og det krævede nøjagtighedsniveau. Hovedideen er ikke at komprimere alle dele af dataene ens, men at bevare strukturer på tværs af forskellige rumlige skalaer, som kan vise sig at være afgørende for videnskabelig analyse. Studiet blev offentliggjort i Nature Machine Intelligence.
Videnskabelige instrumenter producerer mere data, end infrastrukturen kan håndtere
Motivationen bag den nye metode udspringer af et meget praktisk problem i moderne eksperimentel videnskab. Sensoropløsning og målehastigheder stiger så hurtigt, at næste generations instrumenter begynder at generere datastrømme, som bliver stadig dyrere at lagre fuldt ud, overføre og senere behandle.
Konventionel komprimering med tab kan reducere filstørrelser, men den kan også fjerne signaler med lav amplitude eller fine strukturer. I et almindeligt fotografi betyder det tab måske ikke noget. I en videnskabelig måling kan en lille detalje imidlertid indeholde præcis den fysiske information, som forskerne leder efter.
SLAC peger på de små pletter, der optræder i røntgenmålinger, som et eksempel. Disse strukturer kan afsløre intern orden, defekter eller dynamik i et materiale. Hvis en komprimeringsalgoritme behandler dem som støj, kan den ikke blot reducere filstørrelsen, men også målingens videnskabelige værdi.
Wavelet-analyse adskiller information efter skala
Metoden, der er offentliggjort i Nature Machine Intelligence, kaldes WIEN-INR. Den kombinerer wavelet-analyse med implicitte neurale repræsentationer.
Først opdeler wavelet-analysen datasættet i komponenter på forskellige rumlige skalaer og skelner mellem strukturer i stor skala og fine detaljer. Et neuralt netværk lærer derefter at repræsentere informationen på disse forskellige skalaer kompakt.
Denne arkitektur hjælper med at undgå et almindeligt problem ved komprimering til generelle formål, hvor en bred baggrundsstruktur og en lille, men videnskabeligt vigtig egenskab kan blive behandlet stort set på samme måde.
Ifølge SLAC-forskeren Yuan Ni reducerede metoden typisk filstørrelser med faktorer på 10 til 100, afhængigt af kildedataene og den ønskede kvalitet. Resultatet bør dog ikke fortolkes som fuldstændig tabsfri komprimering. Det er et kontrolleret kompromis mellem datamængde og signalnøjagtighed, der er udformet til at bevare fine egenskaber, som er vigtige for analysen, bedre end en generisk komprimeringsmetode.
Det er en mere præcis beskrivelse end at sige, at systemet “slet ikke mister nogen data”.
Systemet kan kun dekode det område, du har brug for
En anden væsentlig styrke ved metoden viser sig, når dataene senere skal anvendes. Hvis en forsker kun har brug for et lille område fra et stort komprimeret datasæt, er det ikke nødvendigt at rekonstruere hele filen.
WIEN-INR kan kun dekode en valgt region af interesse og gøre det på forskellige skalaer og opløsninger. SLAC bemærker, at dekomprimering af en komplet stor fil med en konventionel codec kan tage minutter, timer eller endda dage. Selektiv dekodning undgår en stor del af dette arbejde.
I store videnskabelige computermiljøer kan denne kapacitet være lige så vigtig som selve komprimeringsforholdet. Problemet handler ikke kun om omkostningerne ved lagring. Flytning af data mellem lagringssystemer, beregningsnoder og forskningsinstitutioner forbruger netværkskapacitet, energi og tid.
Metoden fungerede på tværs af meget forskellige datatyper
Forskerne begrænsede ikke deres tests til én type røntgendatasæt. De anvendte metoden på molekylære målinger og materialemålinger, data om Solens magnetfelt og almindelige fotografier. Det neurale netværk kunne tilpasse sig forskellige datatyper og lære de egenskaber, der var vigtige for hver af dem.
Forfatterne præsenterer ikke WIEN-INR som en universel erstatning for eksisterende komprimerings- eller datareduktionsmetoder. I stedet kan den fungere sammen med dem som en ekstra mulighed i tilfælde, hvor det er særligt vigtigt senere at kunne genskabe strukturer i fin skala.
Forskere fra University of California, Davis og Carnegie Mellon University bidrog også til studiet. Holdet trænede sine neurale netværk ved hjælp af supercomputeren Perlmutter på det amerikanske energiministeriums NERSC-facilitet. Artiklen, “Multi-resolution enhancement for full-spectrum neural representations”, blev offentliggjort i Nature Machine Intelligence den 24. august 2026.
Europas forskningsinfrastruktur står over for den samme udfordring
Metodens potentiale rækker langt ud over et enkelt instrument hos SLAC. Europas infrastruktur for partikelfysik, synkrotronforskning, astronomi, klimaforskning og satellitobservation genererer også hastigt voksende datamængder.
Det afgørende her er princippet snarere end én specifik algoritme. Når et instrument producerer mere information, end det er praktisk muligt at lagre og flytte fuldt ud, må datapipelinen stadig tidligere beslutte, hvilken information der skal bevares, og med hvilket niveau af nøjagtighed.
AI's rolle i videnskaben er derfor ikke længere begrænset til at finde mønstre, efter et eksperiment har fundet sted. Det næste vigtige skridt kan være at repræsentere videnskabelige data i en form, der dramatisk reducerer kravene til lagring og beregning, samtidig med at de fine strukturer bevares, som kan vise sig at være vigtige for den næste opdagelse.
Videnskabelige instrumenter producerer mere data, end infrastrukturen kan håndtere
Motivationen bag den nye metode udspringer af et meget praktisk problem i moderne eksperimentel videnskab. Sensoropløsning og målehastigheder stiger så hurtigt, at næste generations instrumenter begynder at generere datastrømme, som bliver stadig dyrere at lagre fuldt ud, overføre og senere behandle.
Konventionel komprimering med tab kan reducere filstørrelser, men den kan også fjerne signaler med lav amplitude eller fine strukturer. I et almindeligt fotografi betyder det tab måske ikke noget. I en videnskabelig måling kan en lille detalje imidlertid indeholde præcis den fysiske information, som forskerne leder efter.
SLAC peger på de små pletter, der optræder i røntgenmålinger, som et eksempel. Disse strukturer kan afsløre intern orden, defekter eller dynamik i et materiale. Hvis en komprimeringsalgoritme behandler dem som støj, kan den ikke blot reducere filstørrelsen, men også målingens videnskabelige værdi.
Wavelet-analyse adskiller information efter skala
Metoden, der er offentliggjort i Nature Machine Intelligence, kaldes WIEN-INR. Den kombinerer wavelet-analyse med implicitte neurale repræsentationer.
Først opdeler wavelet-analysen datasættet i komponenter på forskellige rumlige skalaer og skelner mellem strukturer i stor skala og fine detaljer. Et neuralt netværk lærer derefter at repræsentere informationen på disse forskellige skalaer kompakt.
Denne arkitektur hjælper med at undgå et almindeligt problem ved komprimering til generelle formål, hvor en bred baggrundsstruktur og en lille, men videnskabeligt vigtig egenskab kan blive behandlet stort set på samme måde.
Ifølge SLAC-forskeren Yuan Ni reducerede metoden typisk filstørrelser med faktorer på 10 til 100, afhængigt af kildedataene og den ønskede kvalitet. Resultatet bør dog ikke fortolkes som fuldstændig tabsfri komprimering. Det er et kontrolleret kompromis mellem datamængde og signalnøjagtighed, der er udformet til at bevare fine egenskaber, som er vigtige for analysen, bedre end en generisk komprimeringsmetode.
Det er en mere præcis beskrivelse end at sige, at systemet “slet ikke mister nogen data”.
Systemet kan kun dekode det område, du har brug for
En anden væsentlig styrke ved metoden viser sig, når dataene senere skal anvendes. Hvis en forsker kun har brug for et lille område fra et stort komprimeret datasæt, er det ikke nødvendigt at rekonstruere hele filen.
WIEN-INR kan kun dekode en valgt region af interesse og gøre det på forskellige skalaer og opløsninger. SLAC bemærker, at dekomprimering af en komplet stor fil med en konventionel codec kan tage minutter, timer eller endda dage. Selektiv dekodning undgår en stor del af dette arbejde.
I store videnskabelige computermiljøer kan denne kapacitet være lige så vigtig som selve komprimeringsforholdet. Problemet handler ikke kun om omkostningerne ved lagring. Flytning af data mellem lagringssystemer, beregningsnoder og forskningsinstitutioner forbruger netværkskapacitet, energi og tid.
Metoden fungerede på tværs af meget forskellige datatyper
Forskerne begrænsede ikke deres tests til én type røntgendatasæt. De anvendte metoden på molekylære målinger og materialemålinger, data om Solens magnetfelt og almindelige fotografier. Det neurale netværk kunne tilpasse sig forskellige datatyper og lære de egenskaber, der var vigtige for hver af dem.
Forfatterne præsenterer ikke WIEN-INR som en universel erstatning for eksisterende komprimerings- eller datareduktionsmetoder. I stedet kan den fungere sammen med dem som en ekstra mulighed i tilfælde, hvor det er særligt vigtigt senere at kunne genskabe strukturer i fin skala.
Forskere fra University of California, Davis og Carnegie Mellon University bidrog også til studiet. Holdet trænede sine neurale netværk ved hjælp af supercomputeren Perlmutter på det amerikanske energiministeriums NERSC-facilitet. Artiklen, “Multi-resolution enhancement for full-spectrum neural representations”, blev offentliggjort i Nature Machine Intelligence den 24. august 2026.
Europas forskningsinfrastruktur står over for den samme udfordring
Metodens potentiale rækker langt ud over et enkelt instrument hos SLAC. Europas infrastruktur for partikelfysik, synkrotronforskning, astronomi, klimaforskning og satellitobservation genererer også hastigt voksende datamængder.
Det afgørende her er princippet snarere end én specifik algoritme. Når et instrument producerer mere information, end det er praktisk muligt at lagre og flytte fuldt ud, må datapipelinen stadig tidligere beslutte, hvilken information der skal bevares, og med hvilket niveau af nøjagtighed.
AI's rolle i videnskaben er derfor ikke længere begrænset til at finde mønstre, efter et eksperiment har fundet sted. Det næste vigtige skridt kan være at repræsentere videnskabelige data i en form, der dramatisk reducerer kravene til lagring og beregning, samtidig med at de fine strukturer bevares, som kan vise sig at være vigtige for den næste opdagelse.
