Le 17 août, les participants au programme de laboratoire de développement des frontières de la NASA ont présenté des projets sur l'utilisation de l'apprentissage automatique dans l'espace. En particulier, les équipes ont montré des systèmes d'intelligence artificielle pour déterminer les orbites de comètes potentiellement dangereuses et améliorer les cartes de la surface lunaire. IEEE Spectrum en parle.
Des entreprises comme Facebook ou Google utilisent l'apprentissage automatique pour traduire du texte ou reconnaître des personnes sur des photos, mais les techniques d'apprentissage automatique sont utilisées non seulement dans les produits personnalisés, mais également pour résoudre des problèmes scientifiques. Avec l'aide du Frontier Development Laboratory, organisé pour la deuxième année, la NASA explore les possibilités des algorithmes d'intelligence artificielle pour l'exploration spatiale. Chaque été, l'agence réunit de petits groupes de chercheurs pour s'attaquer à d'importants problèmes de recherche spatiale.
Au total, les équipes travaillent sur cinq projets - protéger la planète des comètes de longue période, identifier les cratères lunaires, créer des modèles tridimensionnels d'astéroïdes proches de la Terre, étudier l'effet de l'héliosphère et de la météorologie spatiale sur l'atmosphère terrestre et la magnétosphère, et déterminer les causes des éruptions solaires et des éjections de masse coronale. Lors de la conférence de clôture à Santa Clara, qui a eu lieu jeudi dernier, les scientifiques ont présenté les premiers résultats.
IEEE Spectrum a parlé des résultats du travail des deux équipes. La première équipe de chercheurs a utilisé les données de l'enquête CAMS (Cameras for Allsky Meteor Surveillance) pour prédire à partir des pluies de météores quand la prochaine comète à longue période volera près de la Terre. Dans le cadre du CAMS, soixante caméras vidéo installées dans trois stations surveillent le ciel à la recherche de météores faibles. Ils trouvent des pluies de météores et essaient de les corréler avec des comètes récemment découvertes qui pourraient avoir laissé ces débris. Une équipe de scientifiques du Frontier Development Laboratory a développé un réseau neuronal qui distingue les météores rapides des nuages, des lucioles et des avions (généralement réalisés à la main), puis regroupe les images dans le temps. Ainsi, l'algorithme trouve des pluies de météores inconnues auparavant.
Dans 90% des cas, les prédictions du réseau neuronal, qui a été testé pendant deux mois, ont coïncidé avec la classification des objets par l'homme. Dans un projet pilote, l'équipe a analysé environ un million de météores. Cependant, certains experts se sont montrés sceptiques sur le projet: ils ont notamment exigé la preuve que les pluies de météores ne sont pas du bruit dans les données, mais aussi qu'elles sont des restes de comètes, et non des astéroïdes ou d'autres sources. L'un des créateurs du projet, Marcelo de Cicco de l'Institut national brésilien de métrologie, a reconnu que le réseau neuronal doit encore être amélioré.
Les auteurs du deuxième projet ont travaillé avec les données de la station interplanétaire Lunar Reconnaisance Orbiter (LRO) pour créer une carte plus détaillée de la surface lunaire. Les scientifiques ont d'abord utilisé les informations de l'altimètre laser Lunar Orbiter (LOLA) pour créer une carte numérique d'élévation du satellite. Cependant, il avait un inconvénient: il contenait des artefacts. Chaque fois que le LRO orbite autour de la Lune, il s'écarte légèrement de son orbite idéale. Pour cette raison, les mesures sont inexactes et les roches et les fissures apparaissent là où elles ne le sont pas.
Pour résoudre ce problème, les chercheurs ont fait correspondre la carte avec des images de la caméra à angle étroit (NAC), qui enregistre la lumière du soleil réfléchie par la surface de la lune. À l'aide d'un algorithme d'apprentissage automatique, l'équipe a éliminé les artefacts et créé une carte plus précise du satellite terrestre. Les scientifiques ont également enseigné un système d'intelligence artificielle pour distinguer les cratères des ombres et des objets similaires. La précision du programme était de 98%.
Les astronomes ont de plus en plus utilisé les réseaux de neurones dans leur travail ces dernières années. Par exemple, des algorithmes informatiques aident déjà les scientifiques à déterminer la composition de l'atmosphère des exoplanètes et à suivre le mouvement des étoiles dans la galaxie.
Vidéo promotionelle:
Christina Ulasovich
