人工智能（AI）已成为微观数据分析中不可或缺的组成部分。然而，虽然人工智能模型变得越来越好，越来越复杂，但计算能力和相关的能源消耗也在增加。

因此，莱布尼茨分析研究所（ISAS）和北京大学的研究人员创建了一个免费的压缩软件，使科学家能够更快地运行现有的生物成像AI模型，并显着降低能耗。

研究人员在发表在Nature Methods上的一篇文章中展示了他们的用户友好型工具箱，称为EfficientBioAI。

“高网络延迟，例如特别大的图像，会导致更高的计算能力，并最终增加能耗，”ISAS的AMBIOM-Analysis of Microscopic BIOMedical Images初级研究小组负责人Jianxu Chen博士说。

一种众所周知的技术找到了新的应用

为了避免图像分析中的高延迟，尤其是在计算能力有限的设备上，研究人员使用复杂的算法来压缩 AI 模型。这意味着它们减少了模型中的计算量，同时保持了预测精度。

“模型压缩是一种广泛应用于数字图像处理领域的技术，可以使模型更轻、更环保，”Chen解释说。

研究人员结合了各种策略来减少内存消耗，加快模型推理速度，即模型的“思维过程”，从而节省能源。

“这些技术在生物成像界通常仍然未知。因此，我们希望开发一种即用型且简单的解决方案，将它们应用于生物成像中的常见AI工具，“该论文的第一作者，AMBIOM的博士生Yu 周说。

节能高达81%

为了测试他们的新工具箱，由Chen领导的研究人员在几个现实生活中的应用程序上测试了他们的软件。通过不同的硬件和各种生物成像分析任务，压缩技术能够显着减少延迟并将能耗降低 12.5% 至 80.6%。

“我们的测试表明，EfficientBioAI可以显著提高神经网络在生物成像中的效率，而不会限制模型的准确性，”Chen总结道。

无需特殊知识

作者热衷于让尽可能多的科学家在生物医学研究中使用EfficientBioAI。研究人员可以安装该软件并将其无缝集成到现有的 PyTorch库中。

因此，对于一些广泛使用的模型，例如Cellpose，研究人员可以使用该软件，而无需自己对代码进行任何更改。为了支持特定的变更请求，该小组还提供了一些演示和教程。只需更改几行代码，该工具箱也可以应用于自定义的 AI 模型。

关于EfficientBioAI

EfficientBioAI 是一款即用型开源压缩软件，适用于生物成像领域的 AI 模型。即插即用的工具箱对于标准使用来说保持简单，但提供可定制的功能。其中包括可调节的压缩级别以及在中央处理器（CPU）和图形处理单元（GPU）之间轻松切换。

研究人员一直在开发该工具箱，并且已经在努力使其可用于 Linux（Ubuntu 20.04、Debian 10）和 Windows 10之外的 MacOS。目前，该工具箱的重点是提高预训练模型的推理效率，而不是提高训练阶段的效率。