自動駕駛、語音識別、音樂創作等一系列的奇跡正在由深度學習創造。如今，美國能源部橡樹嶺國家實驗室 (ORNL) 的科學家開發出了一款新軟件，使得深度學習能夠進一步助力科學發現。

Fermi國家加速器實驗室MiniBooNE中微子探測器內部

ORNL的團隊致力于研究GPU加速的Titan超級計算機，并開發出了一種可以自動生成神經網絡的算法。這些神經網絡以人腦中的連接為模型自由構建，并以深度學習的方式進行“學習”。

MENNDL（全稱Multi-node Evolutionary Neural Networks for Deep Learning，深度學習多節點進化神經網絡），用于評估和測試科學家收集的獨特數據集等類別的神經網絡，并為其提供建議。借助GPU的加速，其速度變得非常之快，可將之前需要幾個月才能完成的工作縮短到幾周。

“MENNDL可以節省人們的時間，提高科學發現的速度，”ORNL 自然啟發機器學習（Nature Inspired Machine Learning）團隊研究科學家Steven Young說道。

面向科學家的AI

盡管ORNL團隊是為科學家創建的MENNDL，但AI的范圍由此可能得到更廣泛的拓展。通過訓練神經網絡，研究人員創建了一款執行特定任務的軟件。ORNL的軟件自身可以創建網絡，因此，取消了一般情況下配置網絡時所需的試驗和糾錯流程。

該算法可以在Titan的18,688個NVIDIA Tesla GPU中進行規模擴展，同時對幾千個潛在網絡進行測試和訓練，從而預測更適合相應工作的網絡。

在許多領域，研究人員使用現有的神經網絡或數據集作為其進行深度學習研究的平臺。但是，這種方式并不適用于科學家，因為其數據來自科學儀器，并且與用來教計算機進行面部識別或語音識別的數據有很大不同。

“我們在實驗室使用的數據提取自中微子探測器、電子顯微鏡或一些其他科學儀器，”Young說，“這與貓貓狗狗的圖片有很大的區別。”

Fermi國家加速器實驗室的MINERvA中微子探測器

將工作周期縮短至24小時

MENNDL已經加快了中微子物理的研究速度。中微子是亞原子微粒，科學家認為它們可以揭開宇宙起源和物質本質的未解之謎。

由于中微子探測起來極其困難，美國能源部Fermi國家加速器實驗室(Fermilab) 使用高強度光束來研究它們與普通物質的相互作用的方式。這將生成海量數據，研究人員必須對這些數據進行分析，才能精確識別發生相互作用的位置。

Young指出，過去，Fermilab團隊需要花費好幾個月時間來測試神經網絡，才能找出有助于解決問題的網絡，而MENNDL只需24小時即可完成。

“有了MENNDL，科學家不再需要花費幾個月時間來尋找合適的深度學習框架，只需一天時間即可找出有助于處理數據的網絡，”Young說道。

因此，研究人員將能夠在更短時間內進行更多的試驗，更快地推動科學進步。