面向快速布拉格峰分析的神经架构协同设计
机器学习
2023-12-13 v2
摘要
我们开发了一条自动化流水线，用于简化神经架构协同设计，以实现高能衍射显微术中快速、实时的布拉格峰分析。传统方法（尤其是伪Voigt拟合）需要大量计算资源，这促使人们关注深度学习模型以寻求更高效的解决方案。我们的方法采用神经架构搜索和AutoML来增强这些模型，包括硬件成本，从而发现更硬件高效的神经架构。我们的结果在性能上匹配先前最先进水平，同时将位运算量减少了13倍。通过量化感知训练和神经网络剪枝等模型压缩技术，我们展示了进一步的加速。此外，我们的层次化搜索空间为优化提供了更大的灵活性，可以轻松扩展到其他任务和领域。
引用
@article{arxiv.2312.05978,
title = {Neural Architecture Codesign for Fast Bragg Peak Analysis},
author = {Luke McDermott and Jason Weitz and Dmitri Demler and Daniel Cummings and Nhan Tran and Javier Duarte},
journal= {arXiv preprint arXiv:2312.05978},
year = {2023}
}
备注
To appear in 3rd Annual AAAI Workshop on AI to Accelerate Science and Engineering (AI2ASE)