論文の概要: Scaling and Acceleration of Three-dimensional Structure Determination
for Single-Particle Imaging Experiments with SpiniFEL
- arxiv url: http://arxiv.org/abs/2109.05339v1
- Date: Sat, 11 Sep 2021 18:49:54 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-17 08:44:29.922079
- Title: Scaling and Acceleration of Three-dimensional Structure Determination
for Single-Particle Imaging Experiments with SpiniFEL
- Title（参考訳）: スピニフェルを用いた単粒子イメージング実験における三次元構造決定のスケーリングと加速
- Authors: Hsing-Yin Chang, Elliott Slaughter, Seema Mirchandaney, Jeffrey
Donatelli, Chun Hong Yoon
- Abstract要約: 単粒子イメージング(SPI)実験からタンパク質の構造決定に使用されるSpiniFELについて述べる。
SpiniFELは、実験が行われている間、ほぼリアルタイムでスーパーコンピュータ上で動くように開発されており、データに対するフィードバックがデータ収集戦略を導くことができる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The Linac Coherent Light Source (LCLS) is an X- ray free electron laser
(XFEL) facility enabling the study of the structure and dynamics of single
macromolecules. A major upgrade will bring the repetition rate of the X-ray
source from 120 to 1 million pulses per second. Exascale high performance
computing (HPC) capabilities will be required to process the corresponding data
rates. We present SpiniFEL, an application used for structure determination of
proteins from single-particle imaging (SPI) experiments. An emerging technique
for imaging individual proteins and other large molecular complexes by
outrunning radiation damage, SPI breaks free from the need for crystallization
(which is difficult for some proteins) and allows for imaging molecular
dynamics at near ambient conditions. SpiniFEL is being developed to run on
supercomputers in near real-time while an experiment is taking place, so that
the feedback about the data can guide the data collection strategy. We describe
here how we reformulated the mathematical framework for parallelizable
implementation and accelerated the most compute intensive parts of the
application. We also describe the use of Pygion, a Python interface for the
Legion task-based programming model and compare to our existing MPI+GPU
implementation.
- Abstract（参考訳）: ライナックコヒーレント光源(Linac Coherent Light Source、LCLS)は、X線自由電子レーザー(XFEL)装置であり、単一分子の構造と動力学の研究を可能にする。
大規模なアップグレードにより、X線源の繰り返しレートは毎秒120万パルスから100万パルスになる。
対応するデータレートを処理するには、exascale high performance computing (hpc)機能が必要である。
単粒子イメージング(SPI)実験からタンパク質の構造決定に使用されるSpiniFELについて述べる。
個々のタンパク質やその他の大きな分子複合体を放射能による損傷からイメージングする新しい技術であるspiは、結晶化の必要性(いくつかのタンパク質では難しい)をなくし、近距離での分子動力学のイメージングを可能にする。
SpiniFELは実験中にほぼリアルタイムでスーパーコンピュータ上で動作するために開発されており、データに対するフィードバックがデータ収集戦略を導くことができる。
ここでは、並列化可能な実装のために数学的フレームワークを再構成し、アプリケーションの最も計算集約的な部分を加速する方法を説明します。
また、LegionタスクベースのプログラミングモデルのためのPythonインターフェースであるPygionの使用について述べ、既存のMPI+GPU実装と比較する。
関連論文リスト
- Enhancing Fluorescence Lifetime Parameter Estimation Accuracy with Differential Transformer Based Deep Learning Model Incorporating Pixelwise Instrument Response Function [0.3441582801949978]
本稿では,最新の微分変換器エンコーダ・デコーダアーキテクチャであるMFliNetを用いた新しいDLアーキテクチャを提案する。
本モデルの性能は, 慎重に設計し, 複雑な組織模倣ファントムと前臨床内癌異種移植実験により実証した。
論文 参考訳（メタデータ） (2024-11-25T20:03:41Z) - Radiative Gaussian Splatting for Efficient X-ray Novel View Synthesis [88.86777314004044]
我々は,X線ノベルビュー可視化のための3次元ガウシアンスプラッティングに基づくフレームワーク,すなわちX-ガウシアンを提案する。
実験の結果,X-Gaussianは6.5dBの最先端手法より優れており,トレーニング時間は15%未満であり,推論速度は73倍であることがわかった。
論文 参考訳（メタデータ） (2024-03-07T00:12:08Z) - Scalable 3D Reconstruction From Single Particle X-Ray Diffraction Images
Based on Online Machine Learning [34.12502156343611]
我々は,大規模なX線SPIデータセットから3次元マクロ分子の構造を推定するオンライン再構成フレームワークであるX-RAIを紹介する。
我々は,X-RAIがシミュレーションおよび実験環境における小規模データセットの最先端性能を達成することを実証した。
論文 参考訳（メタデータ） (2023-12-22T04:41:31Z) - Augmenting x-ray single particle imaging reconstruction with
self-supervised machine learning [5.109422776828829]
粒子配向を復元し、回折画像のみから相互空間強度を推定するエンド・ツー・エンドの自己教師型機械学習手法を提案する。
提案手法は,従来のアルゴリズムと比較して,再現性を大幅に向上した実験条件下での強靭性を示す。
論文 参考訳（メタデータ） (2023-11-28T10:05:44Z) - ESSAformer: Efficient Transformer for Hyperspectral Image
Super-resolution [76.7408734079706]
単一ハイパースペクトル像超解像(単一HSI-SR)は、低分解能観測から高分解能ハイパースペクトル像を復元することを目的としている。
本稿では,1つのHSI-SRの繰り返し精製構造を持つESSA注目組込みトランスフォーマネットワークであるESSAformerを提案する。
論文 参考訳（メタデータ） (2023-07-26T07:45:14Z) - Closing the loop: Autonomous experiments enabled by
machine-learning-based online data analysis in synchrotron beamline
environments [80.49514665620008]
機械学習は、大規模または高速に生成されたデータセットを含む研究を強化するために使用できる。
本研究では,X線反射法(XRR)のための閉ループワークフローへのMLの導入について述べる。
本研究では,ビームライン制御ソフトウェア環境に付加的なソフトウェア依存関係を導入することなく,実験中の基本データ解析をリアルタイムで行うソリューションを提案する。
論文 参考訳（メタデータ） (2023-06-20T21:21:19Z) - Machine learning enabled experimental design and parameter estimation
for ultrafast spin dynamics [54.172707311728885]
機械学習とベイズ最適実験設計(BOED)を組み合わせた方法論を提案する。
本手法は,大規模スピンダイナミクスシミュレーションのためのニューラルネットワークモデルを用いて,BOEDの正確な分布と実用計算を行う。
数値ベンチマークでは,XPFS実験の誘導,モデルパラメータの予測,実験時間内でのより情報的な測定を行う上で,本手法の優れた性能を示す。
論文 参考訳（メタデータ） (2023-06-03T06:19:20Z) - Classification of diffraction patterns using a convolutional neural
network in single particle imaging experiments performed at X-ray
free-electron lasers [53.65540150901678]
X線自由電子レーザー(XFEL)における単一粒子イメージング(SPI)は、その自然環境における粒子の3次元構造を決定するのに特に適している。
再建を成功させるためには、単一のヒットに由来する回折パターンを多数の取得パターンから分離する必要がある。
本稿では,この課題を画像分類問題として定式化し,畳み込みニューラルネットワーク(CNN)アーキテクチャを用いて解決することを提案する。
論文 参考訳（メタデータ） (2021-12-16T17:03:14Z) - Multi-StyleGAN: Towards Image-Based Simulation of Time-Lapse Live-Cell
Microscopy [23.720106678247888]
生体細胞の時間分解蛍光顕微鏡像をシミュレートする手法としてMulti-StyleGANを提案する。
この新規な生成逆ネットワークは連続した時間ステップのマルチドメイン配列を合成する。
このシミュレーションは、細胞の形態、成長、物理的相互作用、および蛍光レポータータンパク質の強度など、基礎となる生理的要因と時間的依存を捉えている。
論文 参考訳（メタデータ） (2021-06-15T16:51:16Z) - Data-Driven Discovery of Molecular Photoswitches with Multioutput
Gaussian Processes [51.17758371472664]
フォトウィッチ可能な分子は、光によってアクセスされる2つ以上の異性体である。
本稿では、データセットキュレーションとマルチタスク学習を基盤とした、分子フォトウィッチのためのデータ駆動探索パイプラインを提案する。
提案手法は, 市販フォトウィッチ可能な分子のライブラリーをスクリーニングし, 実験的に検証した。
論文 参考訳（メタデータ） (2020-06-28T20:59:03Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。