O nouă metodă AI reduce seturile de date științifice de până la 100 de ori
Cercetătorii de la SLAC National Accelerator Laboratory au dezvoltat o metodă de compresie bazată pe rețele neuronale care, în teste, a redus volumele de date științifice de 10 până la 100 de ori, în funcție de datele de intrare și de nivelul de precizie necesar. Ideea esențială nu este comprimarea egală a fiecărei părți a datelor, ci păstrarea structurilor de la diferite scări spațiale care ar putea fi critice pentru analiza științifică. Studiul a fost publicat în Nature Machine Intelligence.
Instrumentele științifice produc mai multe date decât poate absorbi infrastructura
Motivația din spatele noii metode provine dintr-o problemă foarte practică a științei experimentale moderne. Rezoluția senzorilor și ratele de măsurare cresc atât de rapid, încât instrumentele de generație următoare încep să genereze fluxuri de date care devin tot mai costisitor de stocat integral, transferat și procesat ulterior.
Compresia cu pierderi convențională poate reduce dimensiunile fișierelor, însă poate elimina și semnale de amplitudine redusă sau structuri fine. Într-o fotografie obișnuită, această pierdere poate să nu conteze. Într-o măsurătoare științifică, însă, un detaliu minuscul poate conține exact informația fizică pe care o caută cercetătorii.
SLAC indică drept exemplu micile pete care apar în măsurătorile cu raze X. Aceste structuri pot dezvălui ordonarea internă, defecte sau dinamica dintr-un material. Dacă un algoritm de compresie le tratează ca zgomot, poate reduce nu doar dimensiunea fișierului, ci și valoarea științifică a măsurătorii.
Analiza wavelet separă informația în funcție de scară
Metoda publicată în Nature Machine Intelligence se numește WIEN-INR. Aceasta combină analiza wavelet cu reprezentări neuronale implicite.
Mai întâi, analiza wavelet separă setul de date în componente la diferite scări spațiale, distingând structurile de mari dimensiuni de detaliile fine. Apoi, o rețea neuronală învață să reprezinte compact informația de la aceste scări diferite.
Această arhitectură ajută la evitarea unei probleme frecvente a compresiei de uz general, în care o structură de fundal amplă și o caracteristică minusculă, dar importantă din punct de vedere științific, pot fi tratate aproape la fel.
Potrivit cercetătorului SLAC Yuan Ni, metoda a redus de regulă dimensiunile fișierelor de 10 până la 100 de ori, în funcție de datele-sursă și de calitatea dorită. Totuși, acest rezultat nu ar trebui interpretat drept compresie complet fără pierderi. Este un compromis controlat între volumul datelor și fidelitatea semnalului, conceput să păstreze caracteristicile fine relevante pentru analiză mai bine decât o abordare generică de compresie.
Aceasta este o descriere mai exactă decât a spune că sistemul „nu pierde deloc date”.
Sistemul poate decoda doar regiunea de care ai nevoie
Un al doilea avantaj major al metodei apare atunci când datele sunt utilizate ulterior. Dacă un cercetător are nevoie doar de o regiune mică dintr-un set de date comprimat de mari dimensiuni, nu este necesară reconstruirea întregului fișier.
WIEN-INR poate decoda doar o regiune de interes selectată și poate face acest lucru la diferite scări și rezoluții. SLAC observă că decomprimarea unui fișier mare complet cu un codec convențional poate dura minute, ore sau chiar zile. Decodarea selectivă evită o mare parte din această muncă.
În mediile mari de calcul științific, această capacitate poate fi la fel de importantă ca raportul de compresie în sine. Problema nu este doar costul stocării. Mutarea datelor între sisteme de stocare, noduri de calcul și instituții de cercetare consumă capacitate de rețea, energie și timp.
Metoda a funcționat pentru tipuri foarte diferite de date
Cercetătorii nu și-au limitat testele la un singur tip de set de date cu raze X. Ei au aplicat metoda la măsurători moleculare și de materiale, date despre câmpul magnetic solar și fotografii obișnuite. Rețeaua neuronală a reușit să se adapteze la diferite tipuri de date și să învețe caracteristicile relevante pentru fiecare.
Autorii nu prezintă WIEN-INR ca înlocuitor universal pentru metodele existente de compresie sau reducere a datelor. În schimb, aceasta poate funcționa alături de ele ca o opțiune suplimentară în cazurile în care recuperarea ulterioară a structurii la scară fină este deosebit de importantă.
Cercetători de la University of California, Davis și Carnegie Mellon University au contribuit, de asemenea, la studiu. Echipa și-a antrenat rețelele neuronale utilizând supercomputerul Perlmutter de la instalația NERSC a US Department of Energy. Lucrarea, „Multi-resolution enhancement for full-spectrum neural representations”, a fost publicată în Nature Machine Intelligence la 24 August 2026.
Infrastructura de cercetare a Europei se confruntă cu aceeași provocare
Potențialul metodei depășește cu mult orice instrument individual de la SLAC. Infrastructura europeană pentru fizica particulelor, știința sincrotronului, astronomie, cercetare climatică și observarea sateliților generează, de asemenea, volume de date în creștere rapidă.
Ceea ce contează aici este principiul, mai degrabă decât un algoritm specific. Când un instrument produce mai multă informație decât este practic să fie stocată și transferată integral, fluxul de date trebuie să decidă tot mai devreme ce informație să păstreze și la ce nivel de fidelitate.
Prin urmare, rolul AI în știință nu se mai limitează la găsirea de tipare după desfășurarea unui experiment. Următorul pas important ar putea fi reprezentarea datelor științifice într-o formă care reduce drastic necesarul de stocare și calcul, păstrând totodată structurile fine care s-ar putea dovedi importante pentru următoarea descoperire.
Instrumentele științifice produc mai multe date decât poate absorbi infrastructura
Motivația din spatele noii metode provine dintr-o problemă foarte practică a științei experimentale moderne. Rezoluția senzorilor și ratele de măsurare cresc atât de rapid, încât instrumentele de generație următoare încep să genereze fluxuri de date care devin tot mai costisitor de stocat integral, transferat și procesat ulterior.
Compresia cu pierderi convențională poate reduce dimensiunile fișierelor, însă poate elimina și semnale de amplitudine redusă sau structuri fine. Într-o fotografie obișnuită, această pierdere poate să nu conteze. Într-o măsurătoare științifică, însă, un detaliu minuscul poate conține exact informația fizică pe care o caută cercetătorii.
SLAC indică drept exemplu micile pete care apar în măsurătorile cu raze X. Aceste structuri pot dezvălui ordonarea internă, defecte sau dinamica dintr-un material. Dacă un algoritm de compresie le tratează ca zgomot, poate reduce nu doar dimensiunea fișierului, ci și valoarea științifică a măsurătorii.
Analiza wavelet separă informația în funcție de scară
Metoda publicată în Nature Machine Intelligence se numește WIEN-INR. Aceasta combină analiza wavelet cu reprezentări neuronale implicite.
Mai întâi, analiza wavelet separă setul de date în componente la diferite scări spațiale, distingând structurile de mari dimensiuni de detaliile fine. Apoi, o rețea neuronală învață să reprezinte compact informația de la aceste scări diferite.
Această arhitectură ajută la evitarea unei probleme frecvente a compresiei de uz general, în care o structură de fundal amplă și o caracteristică minusculă, dar importantă din punct de vedere științific, pot fi tratate aproape la fel.
Potrivit cercetătorului SLAC Yuan Ni, metoda a redus de regulă dimensiunile fișierelor de 10 până la 100 de ori, în funcție de datele-sursă și de calitatea dorită. Totuși, acest rezultat nu ar trebui interpretat drept compresie complet fără pierderi. Este un compromis controlat între volumul datelor și fidelitatea semnalului, conceput să păstreze caracteristicile fine relevante pentru analiză mai bine decât o abordare generică de compresie.
Aceasta este o descriere mai exactă decât a spune că sistemul „nu pierde deloc date”.
Sistemul poate decoda doar regiunea de care ai nevoie
Un al doilea avantaj major al metodei apare atunci când datele sunt utilizate ulterior. Dacă un cercetător are nevoie doar de o regiune mică dintr-un set de date comprimat de mari dimensiuni, nu este necesară reconstruirea întregului fișier.
WIEN-INR poate decoda doar o regiune de interes selectată și poate face acest lucru la diferite scări și rezoluții. SLAC observă că decomprimarea unui fișier mare complet cu un codec convențional poate dura minute, ore sau chiar zile. Decodarea selectivă evită o mare parte din această muncă.
În mediile mari de calcul științific, această capacitate poate fi la fel de importantă ca raportul de compresie în sine. Problema nu este doar costul stocării. Mutarea datelor între sisteme de stocare, noduri de calcul și instituții de cercetare consumă capacitate de rețea, energie și timp.
Metoda a funcționat pentru tipuri foarte diferite de date
Cercetătorii nu și-au limitat testele la un singur tip de set de date cu raze X. Ei au aplicat metoda la măsurători moleculare și de materiale, date despre câmpul magnetic solar și fotografii obișnuite. Rețeaua neuronală a reușit să se adapteze la diferite tipuri de date și să învețe caracteristicile relevante pentru fiecare.
Autorii nu prezintă WIEN-INR ca înlocuitor universal pentru metodele existente de compresie sau reducere a datelor. În schimb, aceasta poate funcționa alături de ele ca o opțiune suplimentară în cazurile în care recuperarea ulterioară a structurii la scară fină este deosebit de importantă.
Cercetători de la University of California, Davis și Carnegie Mellon University au contribuit, de asemenea, la studiu. Echipa și-a antrenat rețelele neuronale utilizând supercomputerul Perlmutter de la instalația NERSC a US Department of Energy. Lucrarea, „Multi-resolution enhancement for full-spectrum neural representations”, a fost publicată în Nature Machine Intelligence la 24 August 2026.
Infrastructura de cercetare a Europei se confruntă cu aceeași provocare
Potențialul metodei depășește cu mult orice instrument individual de la SLAC. Infrastructura europeană pentru fizica particulelor, știința sincrotronului, astronomie, cercetare climatică și observarea sateliților generează, de asemenea, volume de date în creștere rapidă.
Ceea ce contează aici este principiul, mai degrabă decât un algoritm specific. Când un instrument produce mai multă informație decât este practic să fie stocată și transferată integral, fluxul de date trebuie să decidă tot mai devreme ce informație să păstreze și la ce nivel de fidelitate.
Prin urmare, rolul AI în știință nu se mai limitează la găsirea de tipare după desfășurarea unui experiment. Următorul pas important ar putea fi reprezentarea datelor științifice într-o formă care reduce drastic necesarul de stocare și calcul, păstrând totodată structurile fine care s-ar putea dovedi importante pentru următoarea descoperire.
