伯克利国家实验室开发的自动化科研软件gpCAM的概念图，其中显示若干高斯过程和一束光线穿过其中。
美国能源部伯克利国家实验室（LBNL）开发了一个自动化研究软件gpCAM，是除了人工智能之外，另一种具有一定程度自主“决定”能力的辅助研究工具。
随着现在各种仪器、设备的发展，科研工作采集的数据量呈指数级的速度增长。一方面要花费大量的实验时间，另一方面数据处理的难度显着加大。
研究工作者已经采用一些人工智能、机器学习算法提升研究效率，不过这主要用于后期大数据的处理。现在，伯克利国家实验室的能源研究应用高级数学中心（CAMERA）开发了另一种工具，有助于大幅提升数据采集阶段的工作效率。
介绍这个新软件工具的研究报告7月28日刊登在了《自然》前两年新增的子刊《自然综述：物理学》（Nature Reviews Physics）。
这份研究介绍，这套软件基于擅长随机处理的算法，比如高斯过程回归（GPR）就是其中一种，近年来很多研究都使用这种算法辅助进行实验。
CAMERA研究员诺克（Marcus Noack）说：“和深度学习（人工智能系统的一种）不一样的是，随机处理算法可用于相对小一些的数据集，帮助做决定。这类算法能提供不确定性评估，可以优化学习的过程。”
CAMERA开发出这套工具后，最先用于伯克利国家实验室近年刚升级的X射线设备。这套设备X射线的强度是老设备的100倍，探测速度更快，当然这导致快速产生大量的检测数据。
研究人员对gpCAM的辅助效果感到满意。今年4月，由CAMERA主持的一个研习班介绍了这套软件后，吸引了世界各地数百位科学家的关注。这些研究人员来自多个不同的研究领域。
很快，伯克利国家实验室下属的另一个使用扫描探针显微镜了解薄膜半导体材料特性的研究组，在借助gpCAM后也感到这个工具很不错。
该项目的研究员之一托马斯（John Thomas）说：“使用自动化软件操作扫描仪器，可以在操作员离开的情况下继续工作，最大化地利用时间，在工作人员下班的时间仍然可以继续进行实验，或者是让设备同时完成多个不同的任务。这都能大幅提升研究工作的效率。”
这份研究的另一位作者法国劳厄-朗之万研究所（Institut Laue-Langevin）的伯姆（Martin Böhm）说：“我们开发的这个工具还处于早期阶段，不过去年获得了很大进展。”
伯姆表示，该工具在物理、数学、化学、生物、材料科学、环境研究、药物研发、计算机和电气工程等领域都有潜在用途。◇
