Méthode de criblage d’images par microdiffraction X synchrotron basée sur l’apprentissage fédéré
Crédit : domaine public CC0
La microdiffraction des rayons X synchrotron (μXRD) peut être appliquée pour identifier les impuretés cristallines dans les minéraux industriels.
Cependant, deux problèmes majeurs entravent le développement d’un criblage d’images μXRD précis. L’un est le manque d’échantillons industriels étiquetés et l’autre est les préoccupations de confidentialité des utilisateurs industriels des services μXRD.
Récemment, un groupe de recherche dirigé par le professeur Zhu Yongxin du Shanghai Advanced Research Institute (SARI) de l’Académie chinoise des sciences a proposé une nouvelle méthode de dépistage d’images μXRD basée sur l’apprentissage fédéré (FL) pour améliorer le dépistage tout en protégeant la confidentialité des données.
Des résultats connexes ont été publiés dans Transactions IEEE sur l’informatique industrielle.
Les chercheurs ont utilisé les informations physiques spécifiques au domaine pour améliorer la précision de l’apprentissage fédéré. Ensuite, compte tenu des distributions de données déséquilibrées dans un monde réaliste, ils ont adopté un schéma d’échantillonnage avec de nouveaux algorithmes d’échantillonnage de clients. Enfin, un cadre de formation hybride a été proposé pour faire face à l’environnement de communication instable entre les clients FL et les serveurs.
Des expériences approfondies ont montré que la précision des modèles d’apprentissage automatique s’améliorait d’environ 14 % à 25 % et que les caractéristiques des données pouvaient être partagées entre différents utilisateurs ou applications tout en conservant des informations commercialement confidentielles.
Ce nouveau système avec des fonctionnalités d’apprentissage fédéré sera utile pour lever les obstacles non techniques au partage de données.
