NASA в настоящее время использует ИИ для космической науки

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

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

Джада Арни, астробиолог в Центре космических полетов NASA Годдарда в Гринбелте, штат Мэриленд, надеется, что машинное обучение сможет помочь 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 действительно трудно понять. Поэтому использование этих инструментов имеет огромный потенциал, чтобы помочь нам.”

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

Шон Домагл-Голдман – астробиолог NASA Годдарда. 

“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,'” он сказал в заявлении.

В 2018 году команда FDL, которой руководили Домагал-Голдман и Арни, разработала метод машинного обучения, который полагается на нейронные сети. Они анализируют изображения и определяют химию экзопланет, используя длины волн света, испускаемого 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 Домагал-Голдмана, нейронная сеть также может определить, когда есть нехватка данных. Байесовская техника, как ее называют, также может сказать ученым, насколько она уверена 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 Домагал-Голдман.

Байесовская техника все еще разрабатывается, но другие технологии FDL используются в реальном мире. К 2017 году участники FDL разработали программу машинного обучения, которая могла быстро создавать трехмерные модели ближайших астероидов. Она также могла точно оценить их форму, размер и скорость вращения. Этот тип информации полезен для NASA, чтобы обнаруживать и отклонять астероиды, угрожающие Земле. 

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

Билл Даймонд – президент и генеральный директор SETI. 

“Умелый астроном с стандартными вычислительными ресурсами мог бы сформировать один астероид за один до трех месяцев,” 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 моделирование формы астероидов в реальном времени. 

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 обработку от нашего собственного мозга, выполняя большую часть初альной работы по трудным задачам,” сказала Арни. “Но эти методы не заменят людей в ближайшее время, потому что нам все равно придется проверять результаты.”