AutoQuant X3 GPU 模块既能提供比 AutoQuant X3 更快的响应速度，同时又继承了 AutoQuant 平台固有的使用简单性。这样一来，无需额外对用户进行大量培训，也消除了停工时间，能够立即获得结果。
单击一次便可在基于 CPU 的反卷积和基于 GPU 的反卷积之间进行切换，提高了响应速度，减少了培训时间，并且还能获得 AutoQuant X3 GPU 模块的一切优点。
| 模式 | 宽视野 | 共聚焦 | 共聚焦和宽视野 |
|---|---|---|---|
| 亮视野 |  |
|
|
| 宽视野荧光 | |
|
|
| 结构光照明 |  |
|
|
| 光片 (SPIM) | |
|
|
| 共聚焦荧光 | |
|
|
| 多光子 | |
|
|
| 转盘 | |
|
|
| STED | |
|
= 在模块中支持
= 测得的 PSF
尽管许多业内人士认为基于 GPU 的反卷积是必要之举，但反卷积过程的某些部分仍然在 CPU 上进行，特别是在初次设置时。这一过程完成后，AutoQuant 评估大量执行实际的迭代反卷积计算的 GPU 处理器核。 然后将最终结果往回传输至 CPU 进行保存。
图形处理单元 (GPU) 已经从最初的简单的显示适配器进化成为应用于图像处理等应用程序的超级计算工厂。随着渲染需求的不断升级，GPU 上的专用处理器更加通用、快速且数量更庞大。这些变化随着专门为了达到游戏特效和逼真的影片效果而执行的通用运算的广泛运用而达到了顶峰。
GPU 上的单个处理器核比大多数 CPU 处理器核的速度要慢得多，但它们的庞大数量远远足以弥补这一欠缺。一个高端工作站的 CPU 上的核数量通常在 32 个左右。相比而言，即使只是一个普通消费者级别的 GPU，它的核数量也以数千计。
 CPU |
 |
 GPU |
对于像反卷积这样的计算密集型应用程序，必须在数百万个单独的体元上分别进行一系列数学计算，这时，一次能处理数千个体元比一次只能处理少数几个体元要优越得多。 简单来说，使用 GPU 代替 CPU 可获得更多可用带宽，从而加快图像处理速度。
