В NASA предложили следить за опасными кометами с помощью ИИ
Участниками программы «NASA» т «Frontier Development Laboratory», были представлены новые проектные работы по возможностям применения машинного обучения в космическом пространстве. К примеру, они продемонстрировали системы искусственного интеллекта, которые могут определить орбиты комет, представляющих опасность для нашей планеты, а также улучшить существующие карты лунной поверхности.
Машинное обучение нашло широкое применение в сервисах Google и Facebook по переводу текстов и распознаванию людей на фотоснимках, но быть полезной эта технология может не только для пользователей Интернета, но и для научных деятелей. В рамках Американского аэрокосмического ведомства уже второй год функционирует программа «Frontier Development Laboratory», занимающаяся исследованием возможностей алгоритмов искусственного интеллекта (ИИ) при изучении космического пространства. Каждое лето NASA собирает под своим крылом ученых, которые пытаются найти решения серьезных проблем в космической сфере.
В рамках проекта ученые думают над тем, как можно усилить планетарную защиту, над методами по определению кратеров Луны, создают трехмерные модели астероидов, находящихся вблизи Земной орбиты, пытаются понять, как влияет гелиосфера и космическая погода на земную атмосферу, и определить причины возникновения вспышек на Солнце и коронарных выбросов.
Распознание метеоров
Одна из исследовательских команд задействовала в работе сведения обзора CAMS для предсказания появления поблизости с нашей планетой очередной долгопериодической кометы. CAMS основана на функционировании шестидесяти видеокамер, которые установлены на трех станциях и осуществляют обзор неба для фиксации тусклых метеоров. Им под силу найти потоки метеоров и иногда — определить их принадлежность к уже известным кометам. Ученые смогли разработать нейросеть, способную быстрым образом отличить пролетающие метеоры от облаков, самолетов и других объектов (раньше это производилось вручную), а затем сгруппировать имеющиеся снимки по времени. Это позволяет обнаружить неизвестного рода потоки метеоров.
Тестирование нейросети осуществлялось на протяжении 2-х месяцев, за это время ее предсказания в 90% случаев совпадали с имеющейся классификацией, созданной людьми. В анализе была использована база из примерно миллиона метеоров. Несмотря на масштабность проекта, немногие ученые смогли по достоинству оценить его результаты. Скептики требуют подтверждения тому, что найденные метеорные потоки не представляют собой шум в данных и что это именно кометные остатки, а не астероидные или еще какие-то. Марчелло де Чикко, принявший участие в исследовании, согласен, что нейросеть необходимо доработать.
Картирование Луны
Второй проект в рамках «Frontier Development Laboratory» был направлен на создание более точной карты лунной поверхности. Сначала ученые применяли в работе данные c альтиметра Lunar Orbiter Laser Altimetr, однако она оказалась неточной, поэтому решено было изучить данные межпланетной станции «Lunar Reconnaisance Orbiter».
Специалисты при помощи алгоритма машинного обучения отсеяли различные артефакты и создали новую карту земного спутника с более точными данными. Команда научила систему ИИ различать кратеры, тени и другие похожие на них объекты с точностью в 98%.
В последнее время нейросети всё чаще используются астрономами. К примеру, при помощи компьютерных алгоритмов определяют, из чего состоят атмосферы планет, и отслеживают движения светил в галактике.
