Los participantes del programa del Laboratorio de Desarrollo Fronterizo de la NASA el 17 de agosto presentaron proyectos sobre el uso del aprendizaje automático en el espacio. En particular, los equipos mostraron sistemas de inteligencia artificial para determinar las órbitas de cometas potencialmente peligrosos y mejorar los mapas de la superficie lunar. IEEE Spectrum habla de eso.
Empresas como Facebook o Google utilizan el aprendizaje automático para traducir texto o reconocer personas en fotografías, pero las técnicas de aprendizaje automático se utilizan no solo en productos personalizados, sino también para resolver problemas científicos. Con la ayuda del programa Frontier Development Laboratory, que se organiza por segundo año, la NASA está explorando las posibilidades de los algoritmos de inteligencia artificial para la exploración espacial. Cada verano, la agencia reúne a pequeños grupos de investigadores para abordar importantes problemas de investigación espacial.
En total, los equipos están trabajando en cinco proyectos: proteger el planeta de cometas de períodos prolongados, identificar cráteres lunares, crear modelos tridimensionales de asteroides cercanos a la Tierra, estudiar el efecto de la heliosfera y el clima espacial en la atmósfera y la magnetosfera de la Tierra, y determinar las causas de las erupciones solares y las eyecciones de masa coronal. En la conferencia Wrap-Up en Santa Clara, que tuvo lugar el jueves pasado, los científicos presentaron los primeros resultados.
IEEE Spectrum habló sobre los resultados del trabajo de los dos equipos. El primer equipo de investigadores utilizó datos de la encuesta Cameras for Allsky Meteor Surveillance (CAMS) para predecir a partir de lluvias de meteoritos cuándo el próximo cometa de largo período volará cerca de la Tierra. Como parte de CAMS, sesenta cámaras de video instaladas en tres estaciones observan el cielo en busca de meteoros débiles. Encuentran lluvias de meteoritos y tratan de correlacionarlas con cometas recientemente descubiertos que pueden haber dejado estos escombros. Un equipo de científicos del Laboratorio de Desarrollo de Fronteras ha desarrollado una red neuronal que distingue los meteoros que se mueven rápidamente de las nubes, luciérnagas y aviones (generalmente se hace a mano), y luego agrupa las imágenes en el tiempo. Por lo tanto, el algoritmo encuentra lluvias de meteoros previamente desconocidas.
norte
En el 90 por ciento de los casos, las predicciones de la red neuronal, que se probó durante dos meses, coincidieron con la clasificación de objetos por parte de los humanos. En un proyecto piloto, el equipo analizó alrededor de un millón de meteoros. Sin embargo, algunos expertos se mostraron escépticos sobre el proyecto: en particular, exigieron pruebas de que las lluvias de meteoritos no son ruido en los datos, y también que son restos de cometas, y no asteroides u otras fuentes. Uno de los creadores del proyecto, Marcelo de Cicco del Instituto Nacional de Metrología de Brasil, coincidió en que la red neuronal aún debe mejorarse.
Los autores del segundo proyecto trabajaron con datos de la estación interplanetaria Lunar Reconnaisance Orbiter (LRO) para crear un mapa más detallado de la superficie lunar. Los científicos utilizaron por primera vez información del altímetro láser Lunar Orbiter (LOLA) para crear un mapa de elevación digital del satélite. Sin embargo, tenía un inconveniente: contenía artefactos. Cada vez que el LRO orbita la Luna, se desvía ligeramente de su órbita ideal. Debido a esto, las mediciones son inexactas y aparecen rocas y grietas donde no lo son.
Para resolver este problema, los investigadores compararon el mapa con imágenes de la Cámara de Ángulo Estrecho (NAC), que registra la luz solar reflejada desde la superficie de la luna. Usando un algoritmo de aprendizaje automático, el equipo eliminó los artefactos e hizo un mapa más preciso del satélite de la Tierra. Los científicos también han enseñado un sistema de inteligencia artificial para distinguir los cráteres de las sombras y objetos similares. La precisión del programa fue del 98 por ciento.
Los astrónomos han utilizado cada vez más las redes neuronales en su trabajo en los últimos años. Por ejemplo, los algoritmos informáticos ya están ayudando a los científicos a determinar la composición de las atmósferas de los exoplanetas y rastrear el movimiento de las estrellas en la galaxia.
Video promocional:
Christina Ulasovich
