图像生成

Unlocking Latent Dimensions: Exploring Representations of Large-Scale X-ray Scattering Data using Variational Autoencoders

解锁潜在维度：使用变分自编码器探索大规模X射线散射数据的表示

Monika Choudhary, Xiaoya Chong, Runbo Jiang, Wiebke Koepp, Petrus H. Zwart, Damon English, Gregory M. Su, Eric Schaible, Chenhui Zhu, Mostafa Nassr, Noah P. Wamble, Kelvin Kam-Yun Li, Jonathan M. Chan, Jose Carlos Diaz, Cameron McKay, Lynn Katz, Benny Freeman, Guillaume Freychet, Yevgen Matviychuk, Eliot Gann, Daniel B. Allan, Benedikt Sochor, Frank Schluenzen, Stephan V. Roth, Ethan J. Crumlin, Dylan McReynolds, Tanny Chavez, Alexander Hexemer

机构 * Advanced Light Source, Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室先进光源） ； Center for Advanced Mathematics for Energy Research Applications, Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室能源研究应用高级数学中心） ； Molecular Biophysics & Integrated Bioimaging Division, Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室分子生物物理学与综合生物成像部） ； Berkeley Synchrotron Infrared Structural Biology program, Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室伯克利同步辐射红外结构生物学项目） ； Materials Sciences Division, Lawrence Berkeley National Laboratory（劳伦斯伯克利国家实验室材料科学部） ； McKetta Department of Chemical Engineering, University of Texas（德克萨斯大学麦凯塔化学工程系） 纠错

专题命中 其他图像生成 ：image generation(abstract)

AI总结 针对X射线散射数据离线探索和实时分析两大挑战，训练领域特定注意力卷积变分自编码器（C-VAE），学习低维表示以捕捉结构变化，并集成到MLExchange平台的Latent Space Explorer中，支持交互式结构探索。