Az új MI-módszer akár százszorosára csökkenti a tudományos adathalmazokat
A SLAC National Accelerator Laboratory kutatói olyan neurális hálózaton alapuló tömörítési módszert fejlesztettek ki, amely a tesztekben az inputadatoktól és a megkövetelt pontossági szinttől függően 10–100-szorosára csökkentette a tudományos adatok mennyiségét. A kulcsötlet nem az, hogy az adatok minden részét egyformán tömörítsék, hanem hogy megőrizzék a különböző térbeli léptékeken megjelenő struktúrákat, amelyek kritikusak lehetnek a tudományos elemzéshez. A tanulmány a Nature Machine Intelligence folyóiratban jelent meg.
A tudományos műszerek több adatot termelnek, mint amennyit az infrastruktúra képes befogadni
Az új módszer mögötti motiváció a modern kísérleti tudomány egyik nagyon gyakorlati problémájából ered. Az érzékelők felbontása és a mérési sebességek olyan gyorsan növekednek, hogy a következő generációs műszerek egyre költségesebben teljes egészében tárolható, továbbítható és később feldolgozható adatfolyamokat kezdenek generálni.
A hagyományos veszteséges tömörítés csökkentheti a fájlméretet, de alacsony amplitúdójú jeleket vagy finom struktúrákat is eltávolíthat. Egy hétköznapi fényképnél ez a veszteség nem feltétlenül számít. Tudományos mérés esetében azonban egy apró részlet éppen azt a fizikai információt tartalmazhatja, amelyet a kutatók keresnek.
A SLAC példaként azokat az apró pöttyöket említi, amelyek a röntgenmérésekben jelennek meg. Ezek a struktúrák egy anyag belső rendezettségét, hibáit vagy dinamikáját tárhatják fel. Ha egy tömörítési algoritmus zajként kezeli őket, nemcsak a fájlméretet, hanem a mérés tudományos értékét is csökkentheti.
A hullámelet-analízis lépték szerint választja szét az információt
A Nature Machine Intelligence folyóiratban publikált módszer neve WIEN-INR. Hullámelet-analízist kombinál implicit neurális reprezentációkkal.
Először a hullámelet-analízis különböző térbeli léptékű komponensekre bontja az adathalmazt, megkülönböztetve a nagyléptékű struktúrákat a finom részletektől. Ezután egy neurális háló megtanulja tömören reprezentálni az információt ezeken a különböző léptékeken.
Ez az architektúra segít elkerülni az általános célú tömörítés gyakori problémáját, amikor egy kiterjedt háttérstruktúrát és egy apró, de tudományosan fontos jellegzetességet nagyjából ugyanúgy kezelnek.
Yuan Ni, a SLAC kutatója szerint a módszer az adatforrástól és a kívánt minőségtől függően jellemzően 10–100-szorosára csökkentette a fájlméreteket. Ezt az eredményt azonban nem szabad teljesen veszteségmentes tömörítésként értelmezni. Az adatmennyiség és a jelhűség közötti szabályozott kompromisszumról van szó, amely úgy készült, hogy az elemzés szempontjából fontos finom részleteket jobban őrizze meg, mint egy általános tömörítési megközelítés.
Ez pontosabb leírás annál, mint azt állítani, hogy a rendszer „egyáltalán nem veszít adatot”.
A rendszer csak a szükséges régiót tudja dekódolni
A módszer második jelentős erőssége akkor mutatkozik meg, amikor az adatokat később használják. Ha egy kutatónak egy nagy, tömörített adathalmazból csak egy kis régióra van szüksége, nem kell a teljes fájlt rekonstruálni.
A WIEN-INR csak egy kiválasztott érdeklődési régiót is képes dekódolni, ráadásul különböző léptékeken és felbontásokban. A SLAC megjegyzi, hogy egy teljes nagy fájl kicsomagolása hagyományos kodekkel perceket, órákat vagy akár napokat is igénybe vehet. A szelektív dekódolás e munka nagy részét elkerüli.
Nagy tudományos számítástechnikai környezetekben ez a képesség legalább olyan fontos lehet, mint maga a tömörítési arány. A probléma nem pusztán a tárolás költsége. Az adatok mozgatása tárolórendszerek, számítási csomópontok és kutatóintézmények között hálózati kapacitást, energiát és időt fogyaszt.
A módszer nagyon eltérő adattípusokon is működött
A kutatók nem korlátozták tesztjeiket egyetlen típusú röntgen-adathalmazra. A módszert molekuláris és anyagtudományi mérésekre, napmágnesesmező-adatokra, valamint hétköznapi fényképekre is alkalmazták. A neurális háló képes volt alkalmazkodni a különböző adattípusokhoz, és megtanulni az egyes típusoknál fontos jellemzőket.
A szerzők nem a meglévő tömörítési vagy adatcsökkentési módszerek univerzális helyettesítőjeként mutatják be a WIEN-INR-t. Ehelyett ezek mellett, további lehetőségként működhet azokban az esetekben, amikor különösen fontos a finom léptékű struktúrák későbbi visszanyerése.
A tanulmányhoz a University of California, Davis és a Carnegie Mellon University kutatói is hozzájárultak. A csapat neurális hálóit az Egyesült Államok Energiaügyi Minisztériumának NERSC létesítményében található Perlmutter szuperszámítógéppel tanította. A „Multi-resolution enhancement for full-spectrum neural representations” című tanulmány 2026. augusztus 24-én jelent meg a Nature Machine Intelligence folyóiratban.
Európa kutatási infrastruktúrája ugyanazzal a kihívással néz szembe
A módszer lehetőségei messze túlmutatnak bármely egyetlen SLAC-műszeren. A részecskefizika, a szinkrotronkutatás, a csillagászat, az éghajlatkutatás és a műholdas megfigyelés európai infrastruktúrája is gyorsan növekvő adatmennyiségeket termel.
Itt az elv a fontos, nem pedig egyetlen konkrét algoritmus. Amikor egy műszer több információt termel annál, mint amennyit gyakorlatias teljes egészében tárolni és mozgatni, az adatfolyamnak egyre korábban kell eldöntenie, mely információt őrizze meg, és milyen hűségi szinten.
Az MI szerepe a tudományban ezért már nem korlátozódik a mintázatok megtalálására a kísérlet lezajlása után. A következő fontos lépés a tudományos adatok olyan formában történő reprezentálása lehet, amely drámaian csökkenti a tárolási és számítási igényeket, miközben megőrzi azokat a finom struktúrákat, amelyek a következő felfedezés szempontjából fontosnak bizonyulhatnak.
A tudományos műszerek több adatot termelnek, mint amennyit az infrastruktúra képes befogadni
Az új módszer mögötti motiváció a modern kísérleti tudomány egyik nagyon gyakorlati problémájából ered. Az érzékelők felbontása és a mérési sebességek olyan gyorsan növekednek, hogy a következő generációs műszerek egyre költségesebben teljes egészében tárolható, továbbítható és később feldolgozható adatfolyamokat kezdenek generálni.
A hagyományos veszteséges tömörítés csökkentheti a fájlméretet, de alacsony amplitúdójú jeleket vagy finom struktúrákat is eltávolíthat. Egy hétköznapi fényképnél ez a veszteség nem feltétlenül számít. Tudományos mérés esetében azonban egy apró részlet éppen azt a fizikai információt tartalmazhatja, amelyet a kutatók keresnek.
A SLAC példaként azokat az apró pöttyöket említi, amelyek a röntgenmérésekben jelennek meg. Ezek a struktúrák egy anyag belső rendezettségét, hibáit vagy dinamikáját tárhatják fel. Ha egy tömörítési algoritmus zajként kezeli őket, nemcsak a fájlméretet, hanem a mérés tudományos értékét is csökkentheti.
A hullámelet-analízis lépték szerint választja szét az információt
A Nature Machine Intelligence folyóiratban publikált módszer neve WIEN-INR. Hullámelet-analízist kombinál implicit neurális reprezentációkkal.
Először a hullámelet-analízis különböző térbeli léptékű komponensekre bontja az adathalmazt, megkülönböztetve a nagyléptékű struktúrákat a finom részletektől. Ezután egy neurális háló megtanulja tömören reprezentálni az információt ezeken a különböző léptékeken.
Ez az architektúra segít elkerülni az általános célú tömörítés gyakori problémáját, amikor egy kiterjedt háttérstruktúrát és egy apró, de tudományosan fontos jellegzetességet nagyjából ugyanúgy kezelnek.
Yuan Ni, a SLAC kutatója szerint a módszer az adatforrástól és a kívánt minőségtől függően jellemzően 10–100-szorosára csökkentette a fájlméreteket. Ezt az eredményt azonban nem szabad teljesen veszteségmentes tömörítésként értelmezni. Az adatmennyiség és a jelhűség közötti szabályozott kompromisszumról van szó, amely úgy készült, hogy az elemzés szempontjából fontos finom részleteket jobban őrizze meg, mint egy általános tömörítési megközelítés.
Ez pontosabb leírás annál, mint azt állítani, hogy a rendszer „egyáltalán nem veszít adatot”.
A rendszer csak a szükséges régiót tudja dekódolni
A módszer második jelentős erőssége akkor mutatkozik meg, amikor az adatokat később használják. Ha egy kutatónak egy nagy, tömörített adathalmazból csak egy kis régióra van szüksége, nem kell a teljes fájlt rekonstruálni.
A WIEN-INR csak egy kiválasztott érdeklődési régiót is képes dekódolni, ráadásul különböző léptékeken és felbontásokban. A SLAC megjegyzi, hogy egy teljes nagy fájl kicsomagolása hagyományos kodekkel perceket, órákat vagy akár napokat is igénybe vehet. A szelektív dekódolás e munka nagy részét elkerüli.
Nagy tudományos számítástechnikai környezetekben ez a képesség legalább olyan fontos lehet, mint maga a tömörítési arány. A probléma nem pusztán a tárolás költsége. Az adatok mozgatása tárolórendszerek, számítási csomópontok és kutatóintézmények között hálózati kapacitást, energiát és időt fogyaszt.
A módszer nagyon eltérő adattípusokon is működött
A kutatók nem korlátozták tesztjeiket egyetlen típusú röntgen-adathalmazra. A módszert molekuláris és anyagtudományi mérésekre, napmágnesesmező-adatokra, valamint hétköznapi fényképekre is alkalmazták. A neurális háló képes volt alkalmazkodni a különböző adattípusokhoz, és megtanulni az egyes típusoknál fontos jellemzőket.
A szerzők nem a meglévő tömörítési vagy adatcsökkentési módszerek univerzális helyettesítőjeként mutatják be a WIEN-INR-t. Ehelyett ezek mellett, további lehetőségként működhet azokban az esetekben, amikor különösen fontos a finom léptékű struktúrák későbbi visszanyerése.
A tanulmányhoz a University of California, Davis és a Carnegie Mellon University kutatói is hozzájárultak. A csapat neurális hálóit az Egyesült Államok Energiaügyi Minisztériumának NERSC létesítményében található Perlmutter szuperszámítógéppel tanította. A „Multi-resolution enhancement for full-spectrum neural representations” című tanulmány 2026. augusztus 24-én jelent meg a Nature Machine Intelligence folyóiratban.
Európa kutatási infrastruktúrája ugyanazzal a kihívással néz szembe
A módszer lehetőségei messze túlmutatnak bármely egyetlen SLAC-műszeren. A részecskefizika, a szinkrotronkutatás, a csillagászat, az éghajlatkutatás és a műholdas megfigyelés európai infrastruktúrája is gyorsan növekvő adatmennyiségeket termel.
Itt az elv a fontos, nem pedig egyetlen konkrét algoritmus. Amikor egy műszer több információt termel annál, mint amennyit gyakorlatias teljes egészében tárolni és mozgatni, az adatfolyamnak egyre korábban kell eldöntenie, mely információt őrizze meg, és milyen hűségi szinten.
Az MI szerepe a tudományban ezért már nem korlátozódik a mintázatok megtalálására a kísérlet lezajlása után. A következő fontos lépés a tudományos adatok olyan formában történő reprezentálása lehet, amely drámaian csökkenti a tárolási és számítási igényeket, miközben megőrzi azokat a finom struktúrákat, amelyek a következő felfedezés szempontjából fontosnak bizonyulhatnak.
