Meta durchschaut Röntgenbilder aus dem Teilchenbeschleuniger
Das neue Projekt drückt die Analysezeit der gigantischen Datenmengen von einem ganzen Monat auf unfassbare fünfzehn Minuten.
Das US-Energieministerium wertet Forschungsdaten nun mit offenen KI-Modellen von Meta aus. Innerhalb des Projekts SYNAPS-I drücken SAM 3 und DINOv3 die Analysezeit für komplexe Röntgenbilder von einem Monat auf 15 Minuten.
Datenflut an Teilchenbeschleunigern
Das Lawrence Berkeley National Laboratory betreibt mit der Advanced Light Source einen fußballfeldgroßen Teilchenbeschleuniger. Die Anlage erzeugt extrem helle Röntgenstrahlen, mit denen Forscher Materialien bis auf die atomare Ebene untersuchen. Nach aktuellen Upgrades erfassen die Detektoren dort 100.000 Bilder pro Sekunde.
Das erzeugt jährlich mehrere Dutzend Petabyte an Daten. Die Auswertung scheiterte bislang oft an der Segmentierung. Forscher mussten auf den Bildern Strukturen wie Zellwände oder Halbleiterschichten wochenlang per Hand exakt umranden.
Meta-Modelle auf 300 GPUs
Für das Projekt SYNAPS-I nutzt das Ministerium nun zwei Bilderkennungsmodelle von Meta. DINOv3 erkennt Muster in Rohbildern ohne vorherige manuelle Markierungen und ordnet die gefundenen Strukturen räumlich ein. SAM 3 übernimmt danach und zieht exakte Grenzen um die einzelnen Objekte.
Das Forschungsteam hat beide Modelle mit eigenen Daten nachtrainiert. Sie laufen lokal auf 300 A100-GPUs im Supercomputer-Zentrum NERSC. Wissenschaftler erhalten dadurch bereits während eines laufenden Experiments fertige, beschriftete 3D-Modelle ihrer Proben direkt an den Instrumenten.
Anzeige
Weinreben im Stresstest
Den praktischen Nutzen demonstrieren die Forscher an Mikro-CT-Scans von Weinreben. SYNAPS-I rekonstruiert dabei 3D-Volumina der Stängel und identifiziert automatisch die mikroskopisch kleinen Wasserleitgefäße. Das Projekt erfasst in Echtzeit, wie sich diese Gefäße bei zunehmender Trockenheit verändern.
Agrarwissenschaftler können daraus ableiten, wie sich dürreresistente Nutzpflanzen entwickeln lassen.
Sicherheit durch offenen Quellcode
Staatliche US-Labore speichern ihre Forschungsdaten nicht in externen Cloud-Diensten. Der Open-Source-Ansatz von Meta ermöglicht es den Laboren, SAM 3 und DINOv3 in ihren eigenen, sicheren Netzwerken anzupassen und zu betreiben.
»Durch die nahtlose Kombination von KI, fortschrittlichem Computing und experimentellen Systemen analysiert SYNAPS-I Daten bei ihrer Entstehung und steuert Experimente in Echtzeit«, sagte Dario Gil, Staatssekretär im Energieministerium. Aus langwierigen, manuellen Prozessen werden so Analysen, die nur noch Augenblicke dauern.
