Kantonsschule Baden

The newly upgraded SLS 2.0 as a 4th generation synchrotron delivers unprecedented brilliance, enabling exploration of biological structures at vastly improved timescales and throughput. Our upgraded Macromolecular crystallography (MX) beamlines aim to support cutting-edge experiments including high-throughput fragment screening (FFCS),1 automated data collection,2 room temperature3, time-resolved serial crystallography,4 and X-ray scattering tensor tomography (SAS-TT)5—all generating massive data volumes requiring efficient management solutions.We are experimenting with different implementations including a multi-tiered approach utilizing HW-accelerated edge servers,6 PSI’s high- performance computing infrastructure, and DECTRIS CLOUD capabilities. The data processing pipelines operate both locally and remotely to support ongoing pilot experiments that will provide valuable insights into the performance and usability of these pipelines during user operation. This presentation will deliver firsthand experience from our active beamline commissioning in the beginning of SLS 2.0, sharing emerging strategies for handling high data rates. We will present our data acquisition, data processing and data reduction strategies. In addition, we will discuss the benefits and the challenges of our new data management systems. By sharing our current journey implementing these systems, we aim to contribute valuable perspectives to the MX community navigating similar challenges with increasing data volumes.

In diesem Kapitel werden wir Probleme ins Zentrum rucken, die bewiesenermasen algorithmisch unlosbar sind. Dabei gibt es viele schlechte Nachrichten. Vor ihnen die Augen zu verschliesen, ware nicht sinnvoll, denn es sind keine exotischen Randerscheinungen; sie betreffen vielmehr ganz wichtige und oft sogar alltagspraktische Bereiche. Die Tatsache, dass Turing-Maschinen so uberaus einfach sind, wird diese schlechten Nachrichten noch beeindruckender aussehen lassen. Denn wenn wir nachwiesen wurden, dass irgendein komplexes und mit zahlreichen Extras ausgestattetes Maschinenmodell nicht in der Lage ist, eine bestimmte Aufgabe zu losen, ware das nicht besonders beeindruckend; man konnte sich ja dann immer denken, dass ein anderes Maschinenmodell durchaus dazu in der Lage ware. Wenn aber ein so elementares Modell wie die Turing-Maschine die Aufgabe nicht losen kann, dann ist das viel beeindruckender, denn es betrifft alle nur denkbaren Computer, unabhangig von Architektur, Laufzeit, Speicherplatz, Prozessorgeschwindigkeit, und so weiter. Zu zeigen, dass eine bestimmte Aufgabe von einer Turing-Maschine nicht gelost werden kann, bedeutet, dass sie grundsatzlich nicht algorithmisch losbar ist, jetzt nicht und in Zukunft nicht, von keinem Computer dieser Welt und mit keiner denkbaren Programmiersprache. Die menschliche Kreativitat, die bei einer solchen Aufgabe einzig noch helfen kann, scheint bis heute nicht vollstandig mechanisierbar zu sein. Und das ist uberaus trostlich und faszinierend.