НАСА в настоящее время использует ИИ для космической науки

В заявлении, опубликованном НАСА в прошлом месяце, агентство заявило, что ИИ имеет потенциал помочь в решении некоторых из самых больших проблем в космической науке. ИИ может быть использован для поиска жизни на других планетах или выявления астероидов. Ученые НАСА сотрудничают с лидерами в отрасли ИИ, такими как Intel (INTC ), IBM и Google. Вместе они могут применять передовые компьютерные алгоритмы для решения некоторых из этих проблем.

Существуют определенные технологии ИИ, на которые НАСА полагается, такие как машинное обучение, для интерпретации данных. Эти данные будут собираться телескопами, включая телескоп Джеймса Уэбба или спутник для обследования транзитных экзопланет, в какой-то момент в будущем.

Джада Арни, астробиолог в Центре космических полетов Годдарда НАСА в Гринбелте, штат Мэриленд, надеется, что машинное обучение поможет ей и ее команде найти некоторые признаки жизни в данных, которые будут собираться телескопами и обсерваториями.

“Эти технологии очень важны, особенно для больших наборов данных и особенно в области экзопланет”, – сказала Арни в заявлении. “Потому что данные, которые мы получим из будущих наблюдений, будут скудными и шумными. Это будет очень трудно понять. Поэтому использование этих инструментов имеет так много потенциала, чтобы помочь нам.”

НАСА проводит восьминедельную программу каждое лето, которая объединяет лидеров в технологической и космической отраслях, называемую Frontier Development (FDL).

Шон Домагл-Голдман – астробиолог в Центре космических полетов Годдарда НАСА.

“FDL feels like some really good musicians with different instruments getting together for a jam session in the garage, finding something really cool, and saying, ‘Hey we’ve got a band here,'” – сказал он в заявлении.

В 2018 году команда FDL, которой руководили Домагл-Голдман и Арни, разработала метод машинного обучения, который использует нейронные сети. Они анализируют изображения и определяют химию экзопланет, используя длины волн света, излучаемого или поглощаемого молекулами в их атмосфере.

Используя эту новую технику, исследователи смогли определить различные молекулы в атмосфере экзопланеты WASP-12b. Техника сделала это более точно, чем другие методы.

По словам Домагл-Голдмана, нейронная сеть также может определить, когда данных не хватает. Байесовская техника, как ее называют, также может сказать ученым, насколько уверена она в своем прогнозе.

“В местах, где данные не были достаточно хорошими, чтобы дать действительно точный результат, эта модель была лучше знала, что она не уверена в ответе, что действительно важно, если мы хотим доверять этим прогнозам”, – сказал Домагл-Голдман.

Байесовская техника все еще разрабатывается, но другие технологии FDL используются в реальном мире. К 2017 году программа машинного обучения была разработана участниками FDL, которая могла быстро создавать трехмерные модели ближайших астероидов. Она также могла точно оценить их форму, размер и скорость вращения. Эта информация полезна для НАСА, чтобы обнаружить и отклонить астероиды, которые угрожают Земле.

Астрономы традиционно используют простое компьютерное программное обеспечение для создания трехмерных моделей, которое анализирует радиолокационные измерения движущегося астероида. Затем оно предоставляет полезную информацию, чтобы помочь ученым сделать вывод о его физических свойствах на основе изменений в радиосигнале.

Билл Даймонд – президент и генеральный директор SETI.

“Умелый астроном с стандартными вычислительными ресурсами мог бы сформировать одну астероид в один-три месяца”, – сказал Даймонд. “Итак, вопрос для исследовательской команды был: можем ли мы ускорить это?”

Команда, состоящая из студентов из Франции, Южной Африки и США, а также наставников из академии и технологической компании Nividia, разработала алгоритм, способный отображать астероид за четыре дня. Техника в настоящее время используется астрономами в обсерватории Аресибо в Пуэрто-Рико, и она выполняет реальное моделирование формы астероидов.

Исследователи также предлагают, что технологии ИИ должны быть встроены в будущие космические корабли, и что это позволит космическим кораблям принимать решения в реальном времени.

“Методы ИИ помогут нам освободить вычислительную мощность от наших собственных мозгов, выполняя много первоначальной работы по трудным задачам”, – сказала Арни. “Но эти методы не заменят людей в ближайшее время, потому что нам все равно придется проверять результаты.”