Esta es la aplicación para Linux llamada AtomAI, cuya última versión se puede descargar como 0.8.1sourcecode.tar.gz. Se puede ejecutar en línea en el proveedor de alojamiento gratuito OnWorks para estaciones de trabajo.
Descargue y ejecute en línea esta aplicación llamada AtomAI con OnWorks de forma gratuita.
Siga estas instrucciones para ejecutar esta aplicación:
- 1. Descargue esta aplicación en su PC.
- 2. Ingrese en nuestro administrador de archivos https://www.onworks.net/myfiles.php?username=XXXXX con el nombre de usuario que desee.
- 3. Cargue esta aplicación en dicho administrador de archivos.
- 4. Inicie el emulador en línea OnWorks Linux o Windows en línea o el emulador en línea MACOS desde este sitio web.
- 5. Desde el SO OnWorks Linux que acaba de iniciar, vaya a nuestro administrador de archivos https://www.onworks.net/myfiles.php?username=XXXXX con el nombre de usuario que desee.
- 6. Descarga la aplicación, instálala y ejecútala.
SCREENSHOTS
Ad
ÁtomoAI
DESCRIPCIÓN
AtomAI es un paquete basado en PyTorch para el análisis profundo y de aprendizaje automático de datos de microscopía que no requiere conocimientos avanzados de Python ni de aprendizaje automático. Está dirigido a científicos especializados con conocimientos básicos de NumPy y Matplotlib. Fue desarrollado por Maxim Ziatdinov en el Laboratorio Nacional de Oak Ridge. El objetivo de AtomAI es proporcionar un entorno que conecte las bibliotecas específicas de cada instrumento con el análisis físico general, permitiendo la implementación fluida de algoritmos de aprendizaje automático, incluyendo redes neuronales convolucionales profundas, autocodificadores variacionales invariantes y técnicas de descomposición/desmezcla para el análisis de imágenes y datos hiperespectrales. En definitiva, busca combinar la potencia y la flexibilidad del marco de aprendizaje profundo de PyTorch con la simplicidad e intuición de paquetes como scikit-learn, con un enfoque en datos científicos.
Caracteristicas
- Exploración de mecanismos físicos causales mediante modelos lineales no gaussianos y aprendizaje kernel profundo
- Exploración de parámetros de orden y procesos dinámicos en sistemas desordenados mediante autocodificadores variacionales
- Seguimiento de la evolución de la estructura atómica durante el movimiento de átomos de Si inducido por un haz de electrones dirigido en grafeno mediante aprendizaje automático profundo
- Segmentación semántica
- Modelos ImSpec
- Documentación disponible
Lenguaje de programación
Python
Categorías
Esta aplicación también se puede descargar desde https://sourceforge.net/projects/atomai.mirror/. Está alojada en OnWorks para facilitar su ejecución en línea desde uno de nuestros sistemas operativos gratuitos.
