Att hitta defekter i elektronmikroskopbilder tar månader. Nu, det finns ett snabbare sätt. Det heter MENNDL, de multinode evolutionära neurala nätverken för djupinlärning. Det skapar artificiella neurala nätverk – beräkningssystem som löst efterliknar den mänskliga hjärnan – som retar defekter ur dynamiska data. Den körs på alla tillgängliga noder i Summit-superdatorn, utför 152 tusen miljoner miljoner beräkningar per sekund.

På bara timmar, forskare som använder MENNDL skapade ett neuralt nätverk som fungerade lika bra som en mänsklig expert. Det minskar tiden för att analysera elektronmikroskopibilder med månader. MENNDL är det första kända tillvägagångssättet för att automatiskt identifiera strukturell information på atomnivå vid skanning av transmissionselektronmikroskopdata. År 2018, MENNDL fick ett R&D 100-pris, betraktas som innovationens Oscars. Det är också en finalist för Gordon Bell-priset.

MENNDL, ett artificiellt intelligenssystem, designade automatiskt ett optimalt nätverk för djupinlärning för att extrahera strukturell information från rå atomupplösningsmikroskopdata. För att designa nätverket, MENNDL begagnad 18, 000 GPU:er på alla tillgängliga 3000 noder i Summit-superdatorn. Om några timmar, MENNDL skapar och utvärderar miljontals nätverk med hjälp av en skalbar, parallell, asynkron genetisk algoritm utökad med en stödvektormaskin för att automatiskt hitta en överlägsen djupinlärningsnätverkstopologi och hyperparameteruppsättning. Detta arbete är mycket snabbare än vad en mänsklig expert kunde göra. För tillämpning av elektronmikroskopi, systemet främjar målet att bättre förstå elektron-strål-materia-interaktioner och realtidsbildbaserad feedback, vilket möjliggör ett enormt steg bortom mänsklig kapacitet mot nanotillverkning av material automatiskt.