基于联邦资源的AI辅助实时X射线叠层衍射成像数据分析自动化工作流
计算机视觉与模式识别
2023-04-11 v1 分布式、并行与集群计算
图像与视频处理
摘要
我们提出了一种端到端自动化工作流，利用大规模远程计算资源和边缘嵌入式GPU平台，实现AI/ML加速的X射线叠层衍射成像（ptychography）采集数据实时分析。叠层衍射成像是一种无透镜方法，通过对来自相邻重叠扫描位置的大量衍射图样进行同步数值反演来成像样品。该采集方法可实现X射线与电子的纳米级成像，但往往需要极大的实验数据集和相应的高周转时间，从而限制了实时实验操控和低延迟监测等实验能力。本工作中，我们引入了一个可自动化叠层衍射成像数据分析任务的软件系统。我们使用改进版PtychoNN（一种基于ML求解相位恢复问题的方法，相比传统迭代方法有两个数量级加速）来加速数据分析流水线。此外，我们的系统协调并重叠不同数据分析任务，以最小化工作流各阶段间的同步开销。我们利用来自Advanced Photon Source的26ID光束线和Argonne Leadership Computing Resources的ThetaGPU集群的真实实验负载评估了工作流系统。
引用
@article{arxiv.2304.04297,
title = {AI-assisted Automated Workflow for Real-time X-ray Ptychography Data Analysis via Federated Resources},
author = {Anakha V Babu and Tekin Bicer and Saugat Kandel and Tao Zhou and Daniel J. Ching and Steven Henke and Siniša Veseli and Ryan Chard and Antonino Miceli and Mathew Joseph Cherukara},
journal= {arXiv preprint arXiv:2304.04297},
year = {2023}
}
备注
7 pages, 1 figure, to be published in High Performance Computing for Imaging Conference, Electronic Imaging (HPCI 2023)