هوش مصنوعی ابرهای متان تیتان را در زمان بی سابقه نقشه برداری می کند

ابرهای متان روی تیتان، بزرگترین قمر زحل، چیزی بیش از یک چیز عجیب و غریب آسمانی هستند - آنها پنجره ای به یکی از پیچیده ترین آب و هوای منظومه شمسی هستند.

تا به حال، نقشه برداری از آنها کند و دست و پا گیر بوده است. هوش مصنوعی را وارد کنید: تیمی از ناسا، دانشگاه کالیفرنیا برکلی و Observatoire des Sciences de l\'Univers فرانسه بازی را تغییر دادند.

با استفاده از پردازنده های گرافیکی NVIDIA، محققان یک مدل یادگیری عمیق را آموزش دادند تا سال ها داده های کاسینی را در چند ثانیه تجزیه و تحلیل کند. رویکرد آنها ممکن است علم سیاره ای را تغییر دهد و آنچه را که روزها طول کشید به لحظه ها تبدیل کند.

زک یان، دانشجوی دکترا در جورجیا تک و نویسنده این مطالعه گفت: «ما توانسته ایم از هوش مصنوعی برای سرعت بخشیدن به کار دانشمندان استفاده کنیم، بهره وری را افزایش دهیم و به سؤالاتی پاسخ دهیم که در غیر این صورت غیرعملی هستند.

مقاله کامل "نقشه برداری خودکار سریع ابرها روی تیتان با تقسیم بندی نمونه" را بخوانید.

چگونه کار می کند

هسته اصلی پروژه R-MaskCNN است - یک مدل یادگیری عمیق که فقط اشیا را تشخیص نمی دهد. پیکسل به پیکسل آنها را تعریف می کند. این نقشه که بر روی تصاویر برچسب گذاری شده دستی از تیتان آموزش دیده بود، ابرهای گریزان ماه را ترسیم کرد: تکه تکه، به سختی در جوی مه آلود قابل مشاهده است.

این تیم از یادگیری انتقالی استفاده کرد و با مدلی که بر روی کوکو آموزش دیده بود (مجموعه مجموعه ای از عکس های روزمره) شروع کرد و آن را برای چالش های منحصر به فرد تایتان تنظیم کرد. یان توضیح داد که این زمان نشان می دهد که چگونه «دانشمندان سیاره ای که ممکن است همیشه به منابع محاسباتی گسترده مورد نیاز برای آموزش مدل های بزرگ از ابتدا دسترسی نداشته باشند، مانند Transfer Learning برای اعمال هوش مصنوعی در داده ها و پروژه های خود، دسترسی ندارند.»

پتانسیل این مدل فراتر از Titan است. چندین جهان دیگر منظومه شمسی دارای تشکل های ابری هستند که مورد توجه محققان علوم سیاره ای هستند، از جمله مریخ و زهره، تکنیک مشابهی نیز می تواند برای جریان های آتشفشانی در IO، ستون های انسلادوس، لاینیا در اروپا و دهانه های سیارات جامد و قمرها به کار رود.

علم سریع، پشتیبانی شده توسط nvidia

NVIDIA GPUS با پردازش تصاویر با وضوح بالا و تولید ماسک های ابری با کمترین تأخیر، این سرعت را ممکن کرد - کاری که سخت افزارهای سنتی برای انجام آن با مشکل مواجه بودند.

پردازنده های گرافیکی انویدیا به یک ستون اصلی برای دانشمندان فضایی تبدیل شده اند. آنها به تجزیه و تحلیل داده های تلسکوپ وب، مدل سازی فرود مریخ و اسکن سیگنال های فرازمینی کمک کردند. اکنون، آنها به محققان کمک می کنند تا تیتان را رمزگشایی کنند.

بعدش چی؟

این جهش هوش مصنوعی تنها آغاز راه است. ماموریت هایی مانند اروپا کلیپر و سنجاقک ناسا، سیل محققان را با داده ها پر خواهد کرد. هوش مصنوعی می تواند به مدیریت، ورود به سیستم، مهارت های میانی و حتی اولویت بندی امتیازات در زمان واقعی کمک کند. چالش هایی مانند ایجاد دستگاه های مناسب با شرایط سخت فضا همچنان باقی است، اما پتانسیل آن غیرقابل انکار است.

ابرهای متان روی تیتان رازهایی را در خود جای داده اند. اکنون محققان با کمک ابزارهای هوش مصنوعی جدید که توسط پردازنده های گرافیکی NVIDIA تسریع شده اند، آن ها را سریع تر از همیشه شکسته اند.

مقاله کامل "نقشه برداری خودکار سریع ابرها روی تیتان با تقسیم بندی نمونه" را بخوانید.

اعتبار تصویر: آزمایشگاه رانش جت ناسا