自主设计实验，速度提高2.5倍！马普所AI方法拓展显微镜使用边界

小伙伴们对科技周边编程感兴趣吗？是否正在学习相关知识点？如果是，那么本文《自主设计实验，速度提高2.5倍！马普所AI方法拓展显微镜使用边界》，就很适合你，本篇文章讲解的知识点主要包括。在之后的文章中也会多多分享相关知识点，希望对大家的知识积累有所帮助！

突破光学显微镜极限：AI驱动的新型设计框架XLuminA

借助人工智能的力量，光学显微镜的设计和研发正经历一场革命。德国马克斯普朗克光科学研究所的研究团队开发了一个名为XLuminA的开源计算框架，该框架利用JAX库（Python的高性能计算库）在虚拟环境中快速、精确地探索和模拟各种光学显微镜的配置方式，从而显著提升设计效率。

XLuminA的优势在于其惊人的计算速度。得益于JAX的加速线性代数编译器、即时编译以及GPU兼容性，其计算速度比现有方法提升了四个数量级。这使得研究人员能够高效地探索大量的实验配置组合，从而发现那些可能被人工方法忽略的高效设计。

该研究发表在《Nature Communications》期刊上，其目标并非仅仅是对现有光学技术的微调，而是旨在从根本上发现全新的、可实验验证的先进光学显微镜概念。

XLuminA的工作原理

XLuminA将预设空间中的模拟位置转换为物理输出，并利用目标函数来描述所需的设计目标。其光学模拟器兼具高速、可靠和通用性，可用于基于梯度的优化技术，也可用于生成深度学习代理模型的训练数据。

与以往基于AI的单一光学元件设计方法不同，XLuminA能够从头开始模拟、优化和自动设计全新的光学设置和概念。它通过应用不同的物理目标和近似值来加速光束传播模拟，其速度远超传统的伴随法。

性能评估与应用

XLuminA支持经典光学硬件配置的模拟，并能优化和自动发现未探索的设置设计。其在GPU上的运行速度显著高于CPU，在模拟光衍射和传播方面展现出极大的优势。通过基于梯度的优化策略和JAX的自动微分框架，XLuminA能够高效地计算梯度，从而加速优化过程。

研究团队利用XLuminA成功地重新发现了已知的实验设计，并发现了新的、未报道的实验方案，例如在高参数化复杂光学系统中发现替代光学解决方案。

XLuminA的模块化特性使其易于扩展，未来可应用于更复杂的量子光学显微镜技术或其他量子成像技术。其高效、多功能的光学模拟器为光学显微镜技术的设计和研发带来了新的可能性。

原文链接：https://www.nature.com/articles/s41467-024-54696-y

代码链接：https://github.com/artificial-scientist-lab/XLuminA

到这里，我们也就讲完了《自主设计实验，速度提高2.5倍！马普所AI方法拓展显微镜使用边界》的内容了。个人认为，基础知识的学习和巩固，是为了更好的将其运用到项目中，欢迎关注golang学习网公众号，带你了解更多关于产业的知识点！