Nowa metoda AI zmniejsza naukowe zbiory danych nawet 100-krotnie
Badacze z SLAC National Accelerator Laboratory opracowali opartą na sieciach neuronowych metodę kompresji, która w testach zmniejszyła objętość danych naukowych od 10 do 100 razy, zależnie od danych wejściowych i wymaganego poziomu dokładności. Kluczowa idea nie polega na jednakowym kompresowaniu każdej części danych, lecz na zachowaniu struktur w różnych skalach przestrzennych, które mogą mieć kluczowe znaczenie dla analizy naukowej. Badanie opublikowano w Nature Machine Intelligence.
Instrumenty naukowe generują więcej danych, niż infrastruktura jest w stanie przyjąć
Motywacja stojąca za nową metodą wynika z bardzo praktycznego problemu współczesnej nauki eksperymentalnej. Rozdzielczość czujników i częstotliwość pomiarów rosną tak szybko, że instrumenty nowej generacji zaczynają wytwarzać strumienie danych, których pełne przechowywanie, przesyłanie i późniejsze przetwarzanie staje się coraz kosztowniejsze.
Konwencjonalna kompresja stratna może zmniejszyć rozmiary plików, ale może również usuwać sygnały o niskiej amplitudzie lub drobne struktury. W zwykłym zdjęciu taka utrata może nie mieć znaczenia. W pomiarze naukowym jednak niewielki szczegół może zawierać dokładnie tę informację fizyczną, której poszukują badacze.
SLAC wskazuje jako przykład drobne plamki pojawiające się w pomiarach rentgenowskich. Struktury te mogą ujawniać wewnętrzne uporządkowanie, defekty lub dynamikę materiału. Jeśli algorytm kompresji potraktuje je jako szum, może zmniejszyć nie tylko rozmiar pliku, lecz także wartość naukową pomiaru.
Analiza falkowa rozdziela informacje według skali
Metoda opublikowana w Nature Machine Intelligence nosi nazwę WIEN-INR. Łączy analizę falkową z niejawnymi reprezentacjami neuronowymi.
Najpierw analiza falkowa dzieli zbiór danych na komponenty w różnych skalach przestrzennych, rozróżniając struktury wielkoskalowe i drobne szczegóły. Następnie sieć neuronowa uczy się zwięźle reprezentować informacje w tych różnych skalach.
Ta architektura pomaga uniknąć częstego problemu kompresji ogólnego przeznaczenia, w której rozległa struktura tła i niewielka, lecz istotna naukowo cecha mogą być traktowane niemal tak samo.
Według badacza SLAC Yuana Ni metoda zazwyczaj zmniejszała rozmiary plików od 10 do 100 razy, zależnie od danych źródłowych i pożądanej jakości. Wyniku tego nie należy jednak interpretować jako kompresji w pełni bezstratnej. Jest to kontrolowany kompromis między objętością danych a wiernością sygnału, zaprojektowany tak, by lepiej niż ogólne podejście do kompresji zachowywać drobne cechy istotne dla analizy.
To trafniejszy opis niż stwierdzenie, że system „w ogóle nie traci żadnych danych”.
System może dekodować tylko potrzebny obszar
Druga istotna zaleta metody ujawnia się podczas późniejszego wykorzystania danych. Jeśli badacz potrzebuje jedynie niewielkiego obszaru z dużego skompresowanego zbioru danych, nie ma potrzeby odtwarzania całego pliku.
WIEN-INR może dekodować wyłącznie wybrany obszar zainteresowania, a także robić to w różnych skalach i rozdzielczościach. SLAC zauważa, że dekompresja kompletnego dużego pliku za pomocą konwencjonalnego kodeka może trwać minuty, godziny, a nawet dni. Selektywne dekodowanie pozwala uniknąć znacznej części tej pracy.
W dużych środowiskach obliczeń naukowych ta możliwość może być równie ważna jak sam współczynnik kompresji. Problem nie sprowadza się tylko do kosztu przechowywania. Przenoszenie danych między systemami pamięci masowej, węzłami obliczeniowymi i instytucjami badawczymi zużywa przepustowość sieci, energię i czas.
Metoda sprawdziła się w bardzo różnych typach danych
Badacze nie ograniczyli testów do jednego typu zbioru danych rentgenowskich. Zastosowali metodę do pomiarów molekularnych i materiałowych, danych dotyczących pola magnetycznego Słońca oraz zwykłych fotografii. Sieć neuronowa była w stanie dostosować się do różnych typów danych i nauczyć się cech istotnych dla każdego z nich.
Autorzy nie przedstawiają WIEN-INR jako uniwersalnego zastępstwa dla istniejących metod kompresji lub redukcji danych. Zamiast tego może ona działać obok nich jako dodatkowa opcja w przypadkach, w których szczególnie ważne jest późniejsze odzyskanie struktury w małej skali.
Do badania przyczynili się również naukowcy z University of California, Davis oraz Carnegie Mellon University. Zespół trenował swoje sieci neuronowe z użyciem superkomputera Perlmutter w ośrodku NERSC należącym do US Department of Energy. Artykuł „Multi-resolution enhancement for full-spectrum neural representations” opublikowano w Nature Machine Intelligence 24 sierpnia 2026 roku.
Europejska infrastruktura badawcza stoi przed tym samym wyzwaniem
Potencjał tej metody wykracza daleko poza pojedynczy instrument w SLAC. Europejska infrastruktura fizyki cząstek, nauki synchrotronowej, astronomii, badań klimatu i obserwacji satelitarnej również generuje szybko rosnące ilości danych.
Liczy się tu zasada, a nie konkretny algorytm. Gdy instrument wytwarza więcej informacji, niż praktycznie można w całości przechowywać i przesyłać, potok danych musi coraz wcześniej decydować, które informacje zachować i na jakim poziomie wierności.
Rola AI w nauce nie ogranicza się więc już do znajdowania wzorców po przeprowadzeniu eksperymentu. Kolejnym ważnym krokiem może być reprezentowanie danych naukowych w formie, która radykalnie zmniejsza wymagania dotyczące pamięci masowej i mocy obliczeniowej, przy jednoczesnym zachowaniu drobnych struktur mogących okazać się istotnymi dla następnego odkrycia.
Instrumenty naukowe generują więcej danych, niż infrastruktura jest w stanie przyjąć
Motywacja stojąca za nową metodą wynika z bardzo praktycznego problemu współczesnej nauki eksperymentalnej. Rozdzielczość czujników i częstotliwość pomiarów rosną tak szybko, że instrumenty nowej generacji zaczynają wytwarzać strumienie danych, których pełne przechowywanie, przesyłanie i późniejsze przetwarzanie staje się coraz kosztowniejsze.
Konwencjonalna kompresja stratna może zmniejszyć rozmiary plików, ale może również usuwać sygnały o niskiej amplitudzie lub drobne struktury. W zwykłym zdjęciu taka utrata może nie mieć znaczenia. W pomiarze naukowym jednak niewielki szczegół może zawierać dokładnie tę informację fizyczną, której poszukują badacze.
SLAC wskazuje jako przykład drobne plamki pojawiające się w pomiarach rentgenowskich. Struktury te mogą ujawniać wewnętrzne uporządkowanie, defekty lub dynamikę materiału. Jeśli algorytm kompresji potraktuje je jako szum, może zmniejszyć nie tylko rozmiar pliku, lecz także wartość naukową pomiaru.
Analiza falkowa rozdziela informacje według skali
Metoda opublikowana w Nature Machine Intelligence nosi nazwę WIEN-INR. Łączy analizę falkową z niejawnymi reprezentacjami neuronowymi.
Najpierw analiza falkowa dzieli zbiór danych na komponenty w różnych skalach przestrzennych, rozróżniając struktury wielkoskalowe i drobne szczegóły. Następnie sieć neuronowa uczy się zwięźle reprezentować informacje w tych różnych skalach.
Ta architektura pomaga uniknąć częstego problemu kompresji ogólnego przeznaczenia, w której rozległa struktura tła i niewielka, lecz istotna naukowo cecha mogą być traktowane niemal tak samo.
Według badacza SLAC Yuana Ni metoda zazwyczaj zmniejszała rozmiary plików od 10 do 100 razy, zależnie od danych źródłowych i pożądanej jakości. Wyniku tego nie należy jednak interpretować jako kompresji w pełni bezstratnej. Jest to kontrolowany kompromis między objętością danych a wiernością sygnału, zaprojektowany tak, by lepiej niż ogólne podejście do kompresji zachowywać drobne cechy istotne dla analizy.
To trafniejszy opis niż stwierdzenie, że system „w ogóle nie traci żadnych danych”.
System może dekodować tylko potrzebny obszar
Druga istotna zaleta metody ujawnia się podczas późniejszego wykorzystania danych. Jeśli badacz potrzebuje jedynie niewielkiego obszaru z dużego skompresowanego zbioru danych, nie ma potrzeby odtwarzania całego pliku.
WIEN-INR może dekodować wyłącznie wybrany obszar zainteresowania, a także robić to w różnych skalach i rozdzielczościach. SLAC zauważa, że dekompresja kompletnego dużego pliku za pomocą konwencjonalnego kodeka może trwać minuty, godziny, a nawet dni. Selektywne dekodowanie pozwala uniknąć znacznej części tej pracy.
W dużych środowiskach obliczeń naukowych ta możliwość może być równie ważna jak sam współczynnik kompresji. Problem nie sprowadza się tylko do kosztu przechowywania. Przenoszenie danych między systemami pamięci masowej, węzłami obliczeniowymi i instytucjami badawczymi zużywa przepustowość sieci, energię i czas.
Metoda sprawdziła się w bardzo różnych typach danych
Badacze nie ograniczyli testów do jednego typu zbioru danych rentgenowskich. Zastosowali metodę do pomiarów molekularnych i materiałowych, danych dotyczących pola magnetycznego Słońca oraz zwykłych fotografii. Sieć neuronowa była w stanie dostosować się do różnych typów danych i nauczyć się cech istotnych dla każdego z nich.
Autorzy nie przedstawiają WIEN-INR jako uniwersalnego zastępstwa dla istniejących metod kompresji lub redukcji danych. Zamiast tego może ona działać obok nich jako dodatkowa opcja w przypadkach, w których szczególnie ważne jest późniejsze odzyskanie struktury w małej skali.
Do badania przyczynili się również naukowcy z University of California, Davis oraz Carnegie Mellon University. Zespół trenował swoje sieci neuronowe z użyciem superkomputera Perlmutter w ośrodku NERSC należącym do US Department of Energy. Artykuł „Multi-resolution enhancement for full-spectrum neural representations” opublikowano w Nature Machine Intelligence 24 sierpnia 2026 roku.
Europejska infrastruktura badawcza stoi przed tym samym wyzwaniem
Potencjał tej metody wykracza daleko poza pojedynczy instrument w SLAC. Europejska infrastruktura fizyki cząstek, nauki synchrotronowej, astronomii, badań klimatu i obserwacji satelitarnej również generuje szybko rosnące ilości danych.
Liczy się tu zasada, a nie konkretny algorytm. Gdy instrument wytwarza więcej informacji, niż praktycznie można w całości przechowywać i przesyłać, potok danych musi coraz wcześniej decydować, które informacje zachować i na jakim poziomie wierności.
Rola AI w nauce nie ogranicza się więc już do znajdowania wzorców po przeprowadzeniu eksperymentu. Kolejnym ważnym krokiem może być reprezentowanie danych naukowych w formie, która radykalnie zmniejsza wymagania dotyczące pamięci masowej i mocy obliczeniowej, przy jednoczesnym zachowaniu drobnych struktur mogących okazać się istotnymi dla następnego odkrycia.
