Un nuovo metodo di IA riduce i dataset scientifici fino a 100 volte
I ricercatori dello SLAC National Accelerator Laboratory hanno sviluppato un metodo di compressione basato su reti neurali che nei test ha ridotto i volumi di dati scientifici di fattori compresi tra 10 e 100, a seconda dei dati in ingresso e del livello di accuratezza richiesto. L'idea chiave non è comprimere ogni parte dei dati allo stesso modo, ma preservare strutture su diverse scale spaziali che potrebbero rivelarsi cruciali per l'analisi scientifica. Lo studio è stato pubblicato su Nature Machine Intelligence.
Gli strumenti scientifici producono più dati di quanti l'infrastruttura possa gestire
La motivazione alla base del nuovo metodo deriva da un problema molto pratico della moderna scienza sperimentale. La risoluzione dei sensori e le frequenze di misurazione stanno aumentando così rapidamente che gli strumenti di nuova generazione iniziano a generare flussi di dati sempre più costosi da archiviare integralmente, trasferire ed elaborare in seguito.
La tradizionale compressione con perdita può ridurre le dimensioni dei file, ma può anche rimuovere segnali a bassa ampiezza o strutture fini. In una fotografia normale, questa perdita potrebbe non essere importante. In una misurazione scientifica, tuttavia, un dettaglio minuscolo può contenere esattamente l'informazione fisica che i ricercatori stanno cercando.
SLAC cita come esempio i piccoli granelli che compaiono nelle misurazioni a raggi X. Queste strutture possono rivelare l'ordinamento interno, i difetti o le dinamiche all'interno di un materiale. Se un algoritmo di compressione le tratta come rumore, può ridurre non solo la dimensione del file, ma anche il valore scientifico della misurazione.
L'analisi wavelet separa le informazioni per scala
Il metodo pubblicato su Nature Machine Intelligence si chiama WIEN-INR. Combina l'analisi wavelet con rappresentazioni neurali implicite.
Innanzitutto, l'analisi wavelet separa il dataset in componenti a diverse scale spaziali, distinguendo le strutture su larga scala dai dettagli fini. Una rete neurale impara quindi a rappresentare in modo compatto le informazioni a tali diverse scale.
Questa architettura aiuta a evitare un problema comune della compressione per uso generale, in cui un'ampia struttura di sfondo e una caratteristica minuscola ma scientificamente importante possono essere trattate più o meno allo stesso modo.
Secondo il ricercatore dello SLAC Yuan Ni, il metodo ha in genere ridotto le dimensioni dei file di fattori compresi tra 10 e 100, a seconda dei dati di origine e della qualità desiderata. Il risultato non dovrebbe tuttavia essere interpretato come una compressione completamente priva di perdite. Si tratta di un compromesso controllato tra volume dei dati e fedeltà del segnale, progettato per preservare le caratteristiche fini rilevanti per l'analisi meglio di un approccio di compressione generico.
Questa è una descrizione più accurata che affermare che il sistema “non perde alcun dato”.
Il sistema può decodificare solo la regione necessaria
Un secondo importante punto di forza del metodo emerge quando i dati vengono utilizzati in seguito. Se un ricercatore necessita soltanto di una piccola regione di un grande dataset compresso, non è necessario ricostruire l'intero file.
WIEN-INR può decodificare solo una regione di interesse selezionata e farlo a diverse scale e risoluzioni. SLAC osserva che la decompressione di un file completo di grandi dimensioni con un codec convenzionale può richiedere minuti, ore o persino giorni. La decodifica selettiva evita gran parte di questo lavoro.
Nei grandi ambienti di calcolo scientifico, questa capacità può essere importante quanto il rapporto di compressione stesso. Il problema non è semplicemente il costo dell'archiviazione. Lo spostamento dei dati tra sistemi di archiviazione, nodi di calcolo e istituzioni di ricerca consuma capacità di rete, energia e tempo.
Il metodo ha funzionato con tipi di dati molto diversi
I ricercatori non hanno limitato i loro test a un singolo tipo di dataset a raggi X. Hanno applicato il metodo a misurazioni molecolari e dei materiali, dati sui campi magnetici solari e normali fotografie. La rete neurale è stata in grado di adattarsi a diversi tipi di dati e di apprendere le caratteristiche rilevanti per ciascuno.
Gli autori non presentano WIEN-INR come un sostituto universale dei metodi esistenti di compressione o riduzione dei dati. Può invece affiancarli come opzione aggiuntiva nei casi in cui sia particolarmente importante recuperare successivamente strutture su scala fine.
Hanno contribuito allo studio anche ricercatori dell'University of California, Davis e della Carnegie Mellon University. Il team ha addestrato le proprie reti neurali utilizzando il supercomputer Perlmutter presso la struttura NERSC del Department of Energy degli Stati Uniti. L'articolo, “Multi-resolution enhancement for full-spectrum neural representations”, è stato pubblicato su Nature Machine Intelligence il 24 agosto 2026.
Anche l'infrastruttura di ricerca europea affronta la stessa sfida
Il potenziale del metodo va ben oltre un singolo strumento dello SLAC. Anche le infrastrutture europee per la fisica delle particelle, la scienza del sincrotrone, l'astronomia, la ricerca sul clima e l'osservazione satellitare stanno generando volumi di dati in rapida crescita.
Qui conta il principio più che un particolare algoritmo specifico. Quando uno strumento produce più informazioni di quante sia pratico archiviare e spostare integralmente, la pipeline dei dati deve decidere sempre prima quali informazioni preservare e con quale livello di fedeltà.
Il ruolo dell'IA nella scienza non è quindi più limitato all'individuazione di schemi dopo che un esperimento ha avuto luogo. Il prossimo passo importante potrebbe essere rappresentare i dati scientifici in una forma che riduca drasticamente le esigenze di archiviazione e calcolo, preservando al contempo le strutture fini che potrebbero rivelarsi importanti per la prossima scoperta.
Gli strumenti scientifici producono più dati di quanti l'infrastruttura possa gestire
La motivazione alla base del nuovo metodo deriva da un problema molto pratico della moderna scienza sperimentale. La risoluzione dei sensori e le frequenze di misurazione stanno aumentando così rapidamente che gli strumenti di nuova generazione iniziano a generare flussi di dati sempre più costosi da archiviare integralmente, trasferire ed elaborare in seguito.
La tradizionale compressione con perdita può ridurre le dimensioni dei file, ma può anche rimuovere segnali a bassa ampiezza o strutture fini. In una fotografia normale, questa perdita potrebbe non essere importante. In una misurazione scientifica, tuttavia, un dettaglio minuscolo può contenere esattamente l'informazione fisica che i ricercatori stanno cercando.
SLAC cita come esempio i piccoli granelli che compaiono nelle misurazioni a raggi X. Queste strutture possono rivelare l'ordinamento interno, i difetti o le dinamiche all'interno di un materiale. Se un algoritmo di compressione le tratta come rumore, può ridurre non solo la dimensione del file, ma anche il valore scientifico della misurazione.
L'analisi wavelet separa le informazioni per scala
Il metodo pubblicato su Nature Machine Intelligence si chiama WIEN-INR. Combina l'analisi wavelet con rappresentazioni neurali implicite.
Innanzitutto, l'analisi wavelet separa il dataset in componenti a diverse scale spaziali, distinguendo le strutture su larga scala dai dettagli fini. Una rete neurale impara quindi a rappresentare in modo compatto le informazioni a tali diverse scale.
Questa architettura aiuta a evitare un problema comune della compressione per uso generale, in cui un'ampia struttura di sfondo e una caratteristica minuscola ma scientificamente importante possono essere trattate più o meno allo stesso modo.
Secondo il ricercatore dello SLAC Yuan Ni, il metodo ha in genere ridotto le dimensioni dei file di fattori compresi tra 10 e 100, a seconda dei dati di origine e della qualità desiderata. Il risultato non dovrebbe tuttavia essere interpretato come una compressione completamente priva di perdite. Si tratta di un compromesso controllato tra volume dei dati e fedeltà del segnale, progettato per preservare le caratteristiche fini rilevanti per l'analisi meglio di un approccio di compressione generico.
Questa è una descrizione più accurata che affermare che il sistema “non perde alcun dato”.
Il sistema può decodificare solo la regione necessaria
Un secondo importante punto di forza del metodo emerge quando i dati vengono utilizzati in seguito. Se un ricercatore necessita soltanto di una piccola regione di un grande dataset compresso, non è necessario ricostruire l'intero file.
WIEN-INR può decodificare solo una regione di interesse selezionata e farlo a diverse scale e risoluzioni. SLAC osserva che la decompressione di un file completo di grandi dimensioni con un codec convenzionale può richiedere minuti, ore o persino giorni. La decodifica selettiva evita gran parte di questo lavoro.
Nei grandi ambienti di calcolo scientifico, questa capacità può essere importante quanto il rapporto di compressione stesso. Il problema non è semplicemente il costo dell'archiviazione. Lo spostamento dei dati tra sistemi di archiviazione, nodi di calcolo e istituzioni di ricerca consuma capacità di rete, energia e tempo.
Il metodo ha funzionato con tipi di dati molto diversi
I ricercatori non hanno limitato i loro test a un singolo tipo di dataset a raggi X. Hanno applicato il metodo a misurazioni molecolari e dei materiali, dati sui campi magnetici solari e normali fotografie. La rete neurale è stata in grado di adattarsi a diversi tipi di dati e di apprendere le caratteristiche rilevanti per ciascuno.
Gli autori non presentano WIEN-INR come un sostituto universale dei metodi esistenti di compressione o riduzione dei dati. Può invece affiancarli come opzione aggiuntiva nei casi in cui sia particolarmente importante recuperare successivamente strutture su scala fine.
Hanno contribuito allo studio anche ricercatori dell'University of California, Davis e della Carnegie Mellon University. Il team ha addestrato le proprie reti neurali utilizzando il supercomputer Perlmutter presso la struttura NERSC del Department of Energy degli Stati Uniti. L'articolo, “Multi-resolution enhancement for full-spectrum neural representations”, è stato pubblicato su Nature Machine Intelligence il 24 agosto 2026.
Anche l'infrastruttura di ricerca europea affronta la stessa sfida
Il potenziale del metodo va ben oltre un singolo strumento dello SLAC. Anche le infrastrutture europee per la fisica delle particelle, la scienza del sincrotrone, l'astronomia, la ricerca sul clima e l'osservazione satellitare stanno generando volumi di dati in rapida crescita.
Qui conta il principio più che un particolare algoritmo specifico. Quando uno strumento produce più informazioni di quante sia pratico archiviare e spostare integralmente, la pipeline dei dati deve decidere sempre prima quali informazioni preservare e con quale livello di fedeltà.
Il ruolo dell'IA nella scienza non è quindi più limitato all'individuazione di schemi dopo che un esperimento ha avuto luogo. Il prossimo passo importante potrebbe essere rappresentare i dati scientifici in una forma che riduca drasticamente le esigenze di archiviazione e calcolo, preservando al contempo le strutture fini che potrebbero rivelarsi importanti per la prossima scoperta.
