Aller au contenu principal
Accès ouvert déclaré 2025 conference-abstract

Recent Advances in Resonet: Towards Processing of Diffraction Data using Deep Residual Networks

0Citations signalées, ce qui n’est pas une note de qualité
3Institutions déclarées
1Pays d’affiliation déclarés

Rattachement africain : us. Niveau de preuve : code pays fourni par la source.

Le résumé fourni par la source

Real time processing of diffraction can be accomplished by employing machine learning models which often run out-of-the-box on GPU accelerator hardware. The Resonet framework [1] is one demonstration of this currently in use at the Structural and Molecular Biology beamlines at the Stanford Synchrotron (SSRL). There, Resonet models help users gauge the resolution of merged data as it's being collected, and detect diffraction anomalies from e.g., cracked crystals or large amounts of ice. Resonet models are trained on simulated data and use a deep residual neural network architecture [2]. In this session we will discuss recent work training and testing these models for more advanced tasks, such as locating the direct beam coordinate on an image, as well as determining the crystal lattice orientation. The latter task, together with a known unit cell, results in successful auto-indexing of individual patterns.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref
Recent Advances in Resonet: Towards Processing of Diffraction Data using Deep Residual Networks
Date Crossref
01/03/2025
Éditeur
AIP Publishing
Type
journal-article

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.

Où se fait cette recherche

  • SLAC National Accelerator Laboratory pays non établi dans la notice
    Structure de recherche
  • Lawrence Berkeley National Laboratory pays non établi dans la notice
    Structure de recherche
  • University of California pays non établi dans la notice
    Université ou école supérieure
  • SLAC National Lab 1 pays non établi dans la notice
    Structure de recherche
  • Lawrence Berkeley National Lab 2 pays non établi dans la notice
    Structure de recherche
  • UCSF 3 pays non établi dans la notice
    Institution

SLAC National Accelerator Laboratory, Lawrence Berkeley National Laboratory et University of California, avec 3 autres affiliations.

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Geophysical Methods and Applications

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.