人工知能（AI）は微細データの分析に欠かせないコンポーネントとなっています。ただし、AI モデルがより優れ、より複雑になる一方で、コンピューティング能力と関連するエネルギー消費も増加しています。

そこで、ライプニッツ・ウィッセンシャフト分析研究所 (ISAS) と北京大学の研究者は、科学者が既存のバイオイメージング AI モデルをより高速かつ大幅に低コストで実行できるようにする無料の圧縮ソフトウェアを作成しました。エネルギー消費。

研究者らは、EfficientBioAI と呼ばれるユーザーフレンドリーなツールボックスを記事で紹介しました。出版されたでネイチャーメソッド。

最新の顕微鏡技術では、多数の高解像度画像が生成され、個々のデータ セットは数千の画像で構成される場合があります。科学者は、これらのデータセットを確実に分析するために AI サポート ソフトウェアを使用することがよくあります。ただし、AI モデルが複雑になるにつれて、画像のレイテンシー (処理時間) が大幅に増加する可能性があります。

「例えば、特に大きな画像の場合、ネットワーク遅延が大きいと、コンピューティング能力が向上し、最終的にはエネルギー消費量が増加します」と、ISAS の AMBIOM 顕微鏡生物医学画像解析ジュニア研究グループの責任者である Jianxu Chen 博士は述べています。

有名な技術が新たな用途を発見

高遅延を回避するには画像解析特に制限付きのデバイスでは計算能力、研究者は高度なアルゴリズムを使用して AI モデルを圧縮します。これは、同等の予測精度を維持しながら、モデルの計算量を削減することを意味します。

「モデル圧縮は、コンピューター ビジョンとして知られるデジタル画像処理の分野や、モデルを軽量かつ環境に優しいものにする AI の分野で広く使用されている技術です」と Chen 氏は説明します。

研究者はさまざまな戦略を組み合わせて、メモリ消費量を削減し、モデル推論、つまりモデルの「思考プロセス」を高速化し、エネルギーを節約します。たとえば、プルーニングは、ノードから余分なノードを削除するために使用されます。ニューラルネットワーク。

「これらの技術は、バイオイメージングのコミュニティではまだ知られていないことがよくあります。したがって、私たちは、これらの技術をバイオイメージングの一般的な AI ツールに適用するための、すぐに使えるシンプルなソリューションを開発したいと考えました」と論文の筆頭著者で博士の Yu Zhou 氏は述べています。。AMBIOMの学生。

最大約81%の省エネ

新しいツールボックスをテストするために、Chen 率いる研究者たちは、いくつかの実際のアプリケーションでソフトウェアをテストしました。さまざまなハードウェアとさまざまなバイオイメージング分析タスクを使用することで、圧縮技術により遅延が大幅に短縮され、エネルギー消費を 12.5% ～ 80.6% 削減することができました。

「私たちのテストでは、EfficientBioAI がモデルの精度を制限することなく、バイオイメージングにおけるニューラル ネットワークの効率を大幅に向上できることが示されました」と Chen 氏は要約します。

彼は次のように説明しています。エネルギーの節約一般的に使用される CellPose モデルを例として使用すると、1,000 人のユーザーがツールボックスを使用してモデルを圧縮し、それを Jump Target ORF データセット (細胞の約 100 万枚の顕微鏡画像) に適用した場合、エネルギーの排出に相当するエネルギーを節約できます。車での移動距離は約 7,300 マイル (約 11,750 キロメートル) です。

特別な知識は必要ありません

著者らは、生物医学研究のできるだけ多くの科学者が EfficientBioAI を利用できるようにすることに熱心です。研究者はソフトウェアをインストールし、既存の PyTorch ライブラリ (Python プログラミング言語のオープンソース プログラム ライブラリ) にシームレスに統合できます。

したがって、Cellpose などの一部の広く使用されているモデルでは、研究者はコードを自分で変更することなくソフトウェアを使用できます。特定の変更リクエストをサポートするために、このグループはいくつかのデモとチュートリアルも提供しています。コードを数行変更するだけで、ツールボックスをカスタマイズされた AI モデルにも適用できます。

EfficientBioAIについて

EfficientBioAI は、バイオイメージング分野の AI モデル用の、すぐに使用できるオープンソース圧縮ソフトウェアです。プラグ アンド プレイ ツールボックスは標準的な使用のためにシンプルに保たれていますが、カスタマイズ可能な機能を提供します。これには、調整可能な圧縮レベルや、中央処理装置 (CPU) とグラフィックス処理装置 (GPU) 間の簡単な切り替えが含まれます。

研究者たちはツールボックスの開発を継続的に行っており、すでに Linux (Ubuntu 20.04、Debian 10) および Windows 10 に加えて MacOS でも利用できるように取り組んでいます。 現在、ツールボックスの焦点は、事前トレーニング済みの推論効率の向上にあります。トレーニング段階で効率を高めるのではなく、モデルを強化します。

提供元ライプニッツ研究所 - ISAS - e.V.