可觀察Universe中的每個數據集都具有基本幾何或形狀，但該結構可能非常復雜。為了更容易地顯示復雜的數據集，達特茅斯研究團隊創建了HyperTools - 一個開源軟件包，它利用一套數學技術通過它們反映的底層幾何結構獲得關于高維數據集的直覺。研究結果發表在機器學習研究雜志上。

HyperTools可用于將數據轉換為可視化形狀或動畫，可用于：比較不同數據集，以直觀方式深入了解底層模式，跨數據集進行概括，以及開發和測試與大數據相關的理論。

“我們作為現代科學家所面對的數據集可能非常復雜，往往反映出許多相互作用的成分，”資深作者，心理學和腦科學助理教授，達特茅斯語境動力學實驗室主任Jeremy R. Manning解釋道。“我們的工具將復雜數據轉化為直觀的三維形狀，可以直觀地進行檢查和比較?；旧?，我們利用視覺系統的驚人能力在我們周圍的世界中找到模式，以便在復雜的科學數據中找到模式。”

研究人員演示了HyperTools如何應用于各種類型的數據。在論文中，他們展示了可視化：大腦活動，電影幀和觀看這些幀的大腦反應; 從1875年到2013年，地球表面溫度測量值的變化; 以及希拉里克林頓和唐納德特朗普在2016年美國總統競選期間發布的政治推文的主題內容。

除了使用HyperTools直接理解數據的幾何結構外，該工具揭示的見解還可用于指導機器學習算法的開發。例如，數據可視化可以揭示不同類型的觀察如何形成結構化的不同群集(例如特朗普推文與克林頓推文)，可用于理解群體之間的相似性和差異。

作為HyperTools工具箱的一部分，Manning的實驗室繼續開發和發布其他類型的幾何可視化分析，包括最近推出的文本分析。