Mikroskopik Görüntülerin Analizi: Yeni Açık Kaynaklı Yazılım, Yapay Zeka Modellerini Daha Hafif Ve Çevre Dostu Hale Getiriyor

82 Okunma — 29 Ocak 2024 00:24

admin

Yapay zeka (AI) mikroskobik verilerin analizinde vazgeçilmez bir bileşen haline gelmiştir. Ancak, YZ modelleri daha iyi ve daha karmaşık hale gelirken, hesaplama gücü ve buna bağlı enerji tüketimi de artmaktadır.

Bu nedenle Leibniz-Institut für Analytische Wissenschaften (ISAS) ve Pekin Üniversitesi’ndeki araştırmacılar, bilim insanlarının mevcut biyo-görüntüleme YZ modellerini daha hızlı ve önemli ölçüde daha düşük enerji tüketimiyle çalıştırmalarına olanak tanıyan ücretsiz bir sıkıştırma yazılımı oluşturdu.

Araştırmacılar, EfficientBioAI adını verdikleri kullanıcı dostu araç kutularını Nature Methods’da yayınlanan bir makalede sundular.

Modern mikroskopi teknikleri çok sayıda yüksek çözünürlüklü görüntü üretir ve bireysel veri setleri bunlardan binlercesini içerebilir. Bilim insanları bu veri setlerini güvenilir bir şekilde analiz etmek için genellikle yapay zeka destekli yazılımlar kullanıyor. Ancak, YZ modelleri daha karmaşık hale geldikçe, görüntüler için gecikme (işlem süresi) önemli ölçüde artabilir.

ISAS’taki AMBIOM-Mikroskobik Biyomedikal Görüntülerin Analizi küçük araştırma grubu başkanı Dr. Jianxu Chen, “Yüksek ağ gecikmesi, örneğin özellikle büyük görüntülerde, daha yüksek bilgi işlem gücüne ve sonuçta daha fazla enerji tüketimine yol açar” diyor.

İyi bilinen bir teknik yeni uygulamalar buluyor

Görüntü analizinde, özellikle de kısıtlı bilgi işlem gücüne sahip cihazlarda yüksek gecikmeden kaçınmak için araştırmacılar yapay zeka modellerini sıkıştırmak için sofistike algoritmalar kullanmaktadır. Bu, karşılaştırılabilir tahmin doğruluğunu korurken modellerdeki hesaplama miktarını azalttıkları anlamına geliyor.

Chen, “Model sıkıştırma, bilgisayarla görme olarak bilinen dijital görüntü işleme ve YZ alanında modelleri daha hafif ve çevreci hale getirmek için yaygın olarak kullanılan bir tekniktir” diye açıklıyor.

Araştırmacılar bellek tüketimini azaltmak, model çıkarımını, yani modelin “düşünce sürecini” hızlandırmak ve böylece enerji tasarrufu sağlamak için çeşitli stratejileri bir araya getiriyor. Örneğin budama, fazla düğümleri sinir ağından çıkarmak için kullanılıyor.

“Bu teknikler biyo-görüntüleme camiasında genellikle hala bilinmiyor. Bu nedenle, bunları biyo-görüntülemedeki yaygın yapay zeka araçlarına uygulamak için kullanıma hazır ve basit bir çözüm geliştirmek istedik,” diyor makalenin ilk yazarı ve AMBIOM’da doktora öğrencisi olan Yu Zhou.

Yaklaşık %81’e varan enerji tasarrufu

Chen liderliğindeki araştırmacılar, yeni araç kutularını test etmek için yazılımlarını çeşitli gerçek hayat uygulamaları üzerinde test ettiler. Farklı donanımlar ve çeşitli biyo-görüntüleme analiz görevleriyle, sıkıştırma teknikleri gecikmeyi önemli ölçüde azaltabildi ve enerji tüketimini %12,5 ile %80,6 arasında azalttı.

Chen, “Testlerimiz, EfficientBioAI’nin modellerin doğruluğunu sınırlamadan biyo-görüntülemede sinir ağlarının verimliliğini önemli ölçüde artırabileceğini gösteriyor” diye özetliyor.

Enerji tasarrufunu yaygın olarak kullanılan CellPose modelini kullanarak örneklendiriyor: Bin kullanıcı modeli sıkıştırmak ve Jump Target ORF veri setine (hücrelerin yaklaşık bir milyon mikroskop görüntüsü) uygulamak için araç kutusunu kullanırsa, yaklaşık 7.300 millik (yaklaşık 11.750 kilometre) bir araba yolculuğunun emisyonlarına eşdeğer enerji tasarrufu sağlayabilirler.

Özel bilgi gerekmiyor

Yazarlar EfficientBioAI’yi biyomedikal araştırmalarda mümkün olduğunca çok sayıda bilim insanı için erişilebilir kılmak istemektedir. Araştırmacılar yazılımı yükleyebilir ve mevcut PyTorch kütüphanelerine (Python programlama dili için açık kaynaklı program kütüphanesi) sorunsuz bir şekilde entegre edebilirler.

Cellpose gibi yaygın olarak kullanılan bazı modeller için araştırmacılar, kodda herhangi bir değişiklik yapmak zorunda kalmadan yazılımı kullanabilirler. Belirli değişiklik taleplerini desteklemek için grup ayrıca çeşitli demolar ve öğreticiler de sağlamaktadır. Sadece birkaç satır kod değişikliği ile araç kutusu özelleştirilmiş yapay zeka modellerine de uygulanabilir.

EfficientBioAI Hakkında

EfficientBioAI, biyo-görüntüleme alanındaki yapay zeka modelleri için kullanıma hazır ve açık kaynaklı bir sıkıştırma yazılımıdır. Tak ve çalıştır araç kutusu standart kullanım için basit tutulmuştur, ancak özelleştirilebilir işlevler sunar. Bunlar arasında ayarlanabilir sıkıştırma seviyeleri ve merkezi işlem birimi (CPU) ile grafik işlem birimi (GPU) arasında zahmetsiz geçiş yer alıyor.

Araştırmacılar araç kutusunu sürekli olarak geliştiriyor ve Linux (Ubuntu 20.04, Debian 10) ve Windows 10’a ek olarak MacOS için de kullanılabilir hale getirmek için çalışıyorlar. Şu anda araç kutusunun odak noktası, eğitim aşamasında verimliliği artırmak yerine önceden eğitilmiş modellerin çıkarım verimliliğini artırmaktır.

ETİKETLER