Лекции

Нейронные сети и нейтронная томография

Популярность нейросетей в последние годы растет. Их идея заключается в том, чтобы максимально близко смоделировать работу человеческого мозга: а именно его способности к обучению и исправлению ошибок. Это одно из направлений в разработке систем искусственного интеллекта. С помощью нейросетей можно генерировать тексты, редактировать музыку, создавать изображения и писать код, например. А можно с успехом применять в науке. О том, с какими задачами сталкиваются ученые ОИЯИ и как применяют на практике нейронные сети, рассказал 16 мая в ходе онлайн-лекции "Нейронные сети для физики" младший научный сотрудник ЛНФ Булат Бакиров.

Итак, что же такое нейросеть и как она работает? "Нейрон в нашем понимании - это математическая модель, на вход которой подаются какие-то данные, они суммируются, применяются нелинейные функции, получается какой-то результат, - рассказывает Булат Бакиров. - Единичные нейроны объединяются в слои, а потом компонуются между собой. Нейронную сеть нужно обучить. И здесь не всё так просто. Величина ошибки изначально очень большая. И необходимо перестроить параметры таким образом, чтобы она уменьшилась. Подобная перестройка параметров сети называется одной единичной эпохой обучения. Через какое-то количество эпох обучения можно получить удовлетворяющий нас результат".

Это обычная нейросеть, когда каждый нейрон связан с каждым следующим и последующим слоем. На самом деле она отлично работает с рядом задач, но не с теми, которые связаны с изображениями. Более сложные задачи решает так называемая сверточная нейронная сеть. Название свое эта специальная архитектура искусственных нейронных сетей получила из-за наличия операции свертки, суть которой в том, что каждый фрагмент изображения умножается на матрицу (ядро) свертки поэлементно, а результат суммируется и записывается в аналогичную позицию выходного изображения.

Как можно применять сверточные нейросети, например в науке? В ЛНФ ученые их применяют в задачах нейтронной томографии, рассказывает Булат Бакиров. Для построения изображений можно использовать не только видимый свет, но и ионизирующие излучения. В этом случае можно получить информацию не только о внешнем, но и внутреннем строении объекта. По сравнению с рентгеном, имеющим электромагнитную природу, нейтронное излучение характеризуются более глубоким проникновением в глубь исследуемого объекта, что позволяет с его помощью исследовать достаточно крупные предметы и решать широкий круг междисциплинарных научных задач.

В ЛНФ на 14-м канале высокопоточного импульсного реактора ИБР-2 была создана специализированная установка для исследований с помощью нейтронной радиографии и томографии. Появление этой установки позволило развить новое прикладное направление исследований, связанное с неразрушающим анализом внутреннего строения широкого круга объектов, изделий и материалов, среди которых - археологические объекты культурного наследия.

"Коллеги-археологи присылают нам какие-то образцы для исследований с раскопок, артефакты. Мы их исследуем на установке ИБР-2, а затем пытаемся реконструировать технологии изготовления данных артефактов, изучаем их внутреннюю структуру, определяем степень их сохранности", - отмечает ученый.

Какие результаты можно получать таким образом? Например, исследуя средневековые серебряные монеты, можно увидеть, что некоторые из них являются подделкой, причем сделанной еще в Средние века. При дефиците серебра по различным причинам средневековые мастера экономили этот металл. Делалась заготовка, которая покрывалась серебром. Другими традиционными методами это никак не определить, разве что сломать монету пополам и посмотреть, что внутри.

"Также мы исследовали бронзовые греческие монеты с раскопок на берегу Черного моря, покрытые очень толстым слоем коррозии. С помощью нейтронной томографии мы смогли увидеть, каким было исходное изображение. Исследовали, например, находки древнеримского поселения на территории Румынии, образцы керамики бронзового и железного веков, Средневековья. И для всех этих задач применяли нейронные сети", - подчеркивает Булат Бакиров.

Они помогают удалить шум с полученных изображений, уменьшить количество проекций, которые необходимо сделать для качественной реконструкции модели. Как признаются сами ученые, "достраивание" картинки с помощью алгоритмов искусственного интеллекта позволяет сэкономить им до 80% времени и исследовать в пять раз больше объектов. В ближайших планах - научиться повышать качество реконструкций с помощью нейросетей, над этим ученые ЛНФ сейчас активно работают.

Подготовила Ксения МОРУНОВА