Студент разработал нейронную сеть для автоматической обработки данных

Новосибирец разработал нейронную модель для автоматической обработки спектров рентгеновской фотоэлектронной спектроскопии. Исследователь уже приступил к разработке графического интерфейса.

Студент четвертого курса Артем Вахрушев в настоящее время работает в Институте интеллектуальной робототехники НГУ и в НТК Института катализа им.

Г.К. Борескова СО РАН – занимается разработкой нейронной сети для автоматической обработки данных, полученных методом рентгеновской фотоэлектронной спектроскопии. Его работа вошла в число победителей молодежного конкурса научно-исследовательских проектов «Рентгеновские, синхротронные, нейтронные методы междисциплинарных исследований».

Метод рентгеновской фотоэлектронной спектроскопии – это один из самых распространенных спектроскопических методов в катализе, материаловедении, физике полупроводников и многих других областях современной науки. Сейчас обработка рентгеновских фотоэлектронных спектров, в большинстве случаев, осуществляется вручную и представляет собой рутинный процесс – на описание одного спектра у научного сотрудника уходит около 10 минут. Классические алгоритмы анализа спектров могут вызывать значительную ошибку при обнаружении и подгонке пиков, поэтому они не могут использоваться.

При разработке молодой исследователь использовал нейросеть. По его словам, с открытием Центра коллективного пользования «Сибирский кольцевой источник фотонов» объем данных значительно увеличится, а инструментов для их автоматической обработки до сих пор нет. Поэтому было решено впервые доверить решение этой проблемы нейросетям.

– Идею разработки предложил мой научный руководитель Анна Нартова. Она занимается рентгеновской фотоэлектронной спектроскопией более 20 лет, и ей всегда хотелось автоматизировать процесс обработки спектров. Наша разработка создавалась для ускорения проведения анализа спектров, – рассказал Сибкрай.ru студент 4 курса Новосибирского государственного университета Артем Вахрушев.

По словам студента, саму архитектуру и модель не сложно сделать, однако на этапе подбора данных возникают трудности.

– Подобрать данные для обучения модели было самой трудоемкой задачей, которая заняла около двух месяцев, – отмечает юный исследователь. – Сейчас разрабатывается пользовательский интерфейс для большего удобства, также планируем совершенствовать саму модель для более точного анализа.

Сейчас нейросетевая модель неудобна для обычного пользователя, потому как она существует только в виде кода в открытом доступе. Артем Вахрушев уже приступил к разработке графического интерфейса нейросетевой модели.