伯克利國家實驗室開發的自動化科研軟件gpCAM的概念圖，其中顯示若干高斯過程和一束光線穿過其中。
美國能源部伯克利國家實驗室（LBNL）開發了一個自動化研究軟件gpCAM，是除了人工智能之外，另一種具有一定程度自主「決定」能力的輔助研究工具。
隨着現在各種儀器、設備的發展，科研工作採集的數據量呈指數級的速度增長。一方面要花費大量的實驗時間，另一方面數據處理的難度顯着加大。
研究工作者已經採用一些人工智能、機器學習算法提升研究效率，不過這主要用於後期大數據的處理。現在，伯克利國家實驗室的能源研究應用高級數學中心（CAMERA）開發了另一種工具，有助於大幅提升數據採集階段的工作效率。
介紹這個新軟件工具的研究報告7月28日刊登在了《自然》前兩年新增的子刊《自然綜述：物理學》（Nature Reviews Physics）。
這份研究介紹，這套軟件基於擅長隨機處理的算法，比如高斯過程回歸（GPR）就是其中一種，近年來很多研究都使用這種算法輔助進行實驗。
CAMERA研究員諾克（Marcus Noack）說：「和深度學習（人工智能系統的一種）不一樣的是，隨機處理算法可用於相對小一些的數據集，幫助做決定。這類算法能提供不確定性評估，可以優化學習的過程。」
CAMERA開發出這套工具後，最先用於伯克利國家實驗室近年剛升級的X射線設備。這套設備X射線的強度是老設備的100倍，探測速度更快，當然這導致快速產生大量的檢測數據。
研究人員對gpCAM的輔助效果感到滿意。今年4月，由CAMERA主持的一個研習班介紹了這套軟件後，吸引了世界各地數百位科學家的關注。這些研究人員來自多個不同的研究領域。
很快，伯克利國家實驗室下屬的另一個使用掃描探針顯微鏡了解薄膜半導體材料特性的研究組，在藉助gpCAM後也感到這個工具很不錯。
該項目的研究員之一托馬斯（John Thomas）說：「使用自動化軟件操作掃描儀器，可以在操作員離開的情況下繼續工作，最大化地利用時間，在工作人員下班的時間仍然可以繼續進行實驗，或者是讓設備同時完成多個不同的任務。這都能大幅提升研究工作的效率。」
這份研究的另一位作者法國勞厄-朗之萬研究所（Institut Laue-Langevin）的伯姆（Martin Böhm）說：「我們開發的這個工具還處於早期階段，不過去年獲得了很大進展。」
伯姆表示，該工具在物理、數學、化學、生物、材料科學、環境研究、藥物研發、計算機和電氣工程等領域都有潛在用途。◇
