Это – мощность нового математического инструмента, изобретенного и проверенного международной командой ученых, во главе с два от Висконсинского-университета-Милуоки.Инструмент, алгоритм машинного обучения, заточенный Аббасом Аурмэздом и Расселом Фуном, уменьшает неуверенность выбора времени во время изменяющихся событий, улучшая точность фактором до 300.У этого могли быть многочисленные заявления от датирования прошлых событий изменения климата с лучшей точностью к определению когда молекулярная форма связей или разрыв во время химических реакций, длящихся только несколько quadrillionths секунды.
«Выбор времени неуверенности был отравой во многих областях науки в течение долгого времени», сказал Аурмэзд, UWM отличил преподавателя физики. «У Вас часто есть данные, но никакие печати точного времени на тех данных».Исследователи присоединяющегося UWM в открытии были учеными из Центра Науки Лазера на свободных электронах в Научно-исследовательском центре DESY в Гамбурге, Германия; Университет Гамбурга; и Северо-Западный университет.Работа появляется в выпуске 28 апреля журнала Nature.Аурмэзд и Фун построили алгоритм, извлекая слабую «стрелу времени» от шумных данных с коррумпированными отметками времени.
Думайте о нем как о восстановлении начальной последовательности палубы карт после того, как это будет перетасовано.«Есть некоторые остатки оригинальной информации о последовательности в перетасованной палубе», сказал Фун, старший научный сотрудник UWM. «Есть слабый шепот времени, как слабый голос в громкой стороне».
Исследователи задумали алгоритм, работая с данными из проекта, отслеживающего движение молекул, используя лазер на свободных электронах рентгена. Названный XFEL, это оборудование в Национальной ускорительной лаборатории SLAC – самый яркий лазер рентгена в мире, и это служит камерой вопроса в наноразмерном.XFEL использует ультрабыструю вспышку света, чтобы захватить «снимок» с такой скоростью, что последовательность снимков приводит к фильму замедленной съемки чрезвычайно быстрых событий.Создание такого фильма требует не только сотен тысяч снимков, но также и знания точного времени, когда каждый снимок был взят.
Несмотря на беспрецедентную скорость XFEL, большую часть действия мажут, потому что последовательность событий скремблируется.Алгоритм, который разработали Аурмэзд и Фун, решает эту проблему. В эксперименте в Источнике Когерентного света Линейного ускорителя, XFEL в SLAC, исследователи использовали математический инструмент, чтобы восстановить четкий фильм молекул, поскольку связи, скрепляющие их атомы, были разорваны.
Алгоритм определяет внутренние корреляции, чтобы понять океан снимков. Чистый объем данных, который производит XFEL, помогает алгоритму в этой задаче.«Одно изображение, рассматриваемое вместе с другим, дает Вам более богатую информацию, чем Вы добрались бы, рассмотрев эти два изображения отдельно», сказал Аурмэзд.Исследовательская группа видит применения в других науках, включающих динамические истории, которые неточно известны, такие как геология, метрология, химия, биология и астрономия.
«Есть кладезь информации сокровища, который будет иметься», сказал Аурмэзд, «и мы открыли дверь».