Dieser Artikel wurde im Rahmen der Data Science Blogathon.
Überblick
Die Weltraumforschung war schon immer von Interesse für Wissenschaftler und Regierungen auf der ganzen Welt, da es den Schlüssel zum Ursprung der Menschheit und viele wunderbare Wunder des Universums enthält, einschließlich der Möglichkeit von außerirdischen Leben. Das sichtbare Universum stellt die Teile des Weltraums dar, die wir mit Teleskopen sehen können. Aber trotzdem, Wissenschaftler und Entdecker glauben, dass das Universum größer sein könnte.
Bis zum Datum, Wissenschaftler haben grob nur die 4% des sichtbaren Universums, das aus Planeten besteht, Sterne, Galaxien und andere astronomische Objekte, die Astronomen und Wissenschaftler sehen und kennen können. Der Rest 96% noch unerforscht.
Künstliche Intelligenz und maschinelles Lernen verstehen
Künstliche Intelligenz oder der kürzere und coolere Begriff KI bezeichnet die Simulation menschlicher Intelligenz in Maschinen, die so programmiert sind, dass sie wie Menschen denken und ihre Handlungen nachahmen.. Der Begriff kann auch auf jede Maschine angewendet werden, die Merkmale aufweist, die mit dem menschlichen Geist verbunden sind., wie Lernen und Problemlösen.
Machine Learning ist ein spezialisierter Zweig im Bereich der künstlichen Intelligenz, der sich mit dem Training von Maschinen befasst, um Intelligenz zu entwickeln, die es ihnen ermöglicht, komplexe Aufgaben mit ihrer Intelligenz auszuführen. Algorithmen für maschinelles Lernen verwenden Tonnen von Daten, um Maschinen dabei zu helfen, sich mit den verschiedenen Szenarien vertraut zu machen, denen sie möglicherweise ausgesetzt sind.. Ermöglicht Maschinen, aus Ihrer Trainingserfahrung zu lernen und sie in realen Szenarien zu verwenden.
ZUM / ML in der Weltraumforschung
Jetzt, wenn wir die Ideen dieser beiden massiven Begriffe kombinieren würden, nämlich, KI und Weltraumforschung, unter Berücksichtigung der jüngsten Entwicklungen im Bereich des maschinellen Lernens und der künstlichen Intelligenz, Stellen Sie sich vor, wie einfach es für Wissenschaftler und Entdecker wäre, ihr Ziel zu erreichen und wie sich dies auf unser Leben auswirken würde.
Lassen Sie uns diese beiden Ideen zusammensetzen und sehen, was bereits getan wurde, was ist los und was könnte man noch tun.
1. Erstes Bild eines Schwarzen Lochs
Wir haben unser erstes Bild eines Schwarzen Lochs mit dem CHIRP-Algorithmus erhalten (Kontinuierliche Rekonstruktion von hochauflösenden Bildern mit Patch Priors). CHIRP ist ein Bayes-Algorithmus, der verwendet wird, um eine Dekonvolution von Bildern durchzuführen, die in der Radioastronomie erstellt wurden. An der Entwicklung von CHIRP war ein großes Team von Informatik- und Künstliche-Intelligenz-Forschern vom MIT . beteiligt. CHIRP verwendete die zu großen Bilddaten der Event-Horizon-Teleskope und hier musste die Bildverarbeitung erfolgen.. Wissenschaftler verwendeten Numpy, Pandas und andere Python-Bibliotheken, um Daten zu reduzieren, Datenkorrelation und Kalibrierungen. ML wurde auch in der Bildanalyse verwendet.
Überprüfen Sie diesen Link für weitere Details: https://numpy.org/case-studies/blackhole-image/
Jetzt haben wir das erste Bild eines Schwarzen Lochs, Wissenschaftler und Forscher arbeiten daran, genauere Bilder eines Schwarzen Lochs zu erhalten. Es zu tun, Erstellen komplexerer Algorithmen, die mehr maschinelles Lernen und künstliche Intelligenz verwenden.
Beachten Sie, dass uns viele Objekte im Weltraum noch unbekannt sind, Die Anwendung von Machine Learning und Deep Learning wird uns also helfen, den Objekttyp zu klassifizieren und diese Untersuchungen können in Zukunft dazu führen, immer mehr neue Objekte zu identifizieren und, Daher, Wissenschaftlern helfen. und Entdecker in der Weltraumforschung.
2. Assistenten und Roboter basierend auf künstlicher Intelligenz
Klingen die Namen TARS und CASE?? Jawohl, Ich spreche von den Robotern aus dem berühmten Film 'Interstellar’ (und falls du es noch nicht gesehen hast, Ich empfehle dir, es zu tun). Wenn Sie sich an die Rolle von TARS und CASE im Film erinnern, Stellen Sie sich vor, wie nützlich sie wären, um Astronauten im wirklichen Leben zu helfen.
Wissenschaftler entwickeln KI-basierte Assistenten, um Astronauten bei ihrer Mission zum Mond zu unterstützen, Mars und darüber hinaus. Diese Assistenten wurden entwickelt, um die Anforderungen der Besatzung zu verstehen und vorherzusagen, die Emotionen und die psychische Gesundheit von Astronauten zu verstehen und im Notfall die notwendigen Maßnahmen zu ergreifen. Jetzt, Wie haben sie das gemacht? Die Antwort darauf ist die Sentiment-Analyse.. Stimmungsanalyse (auch bekannt als Opinion Mining oder Emotion AI) ist ein Teilgebiet von NLP (Verarbeitung natürlicher Sprache) die versucht, Meinungen innerhalb eines bestimmten Textes durch Blogs zu identifizieren und zu extrahieren, Bewertungen, sozialen Medien, Foren, Nachrichten, etc.
Die Roboter, Zweitens, kann hilfreicher sein, wenn es um physische Assistenten geht, wie man Raumschiffe steuert, Raumschiffe andocken und mit extremen Bedingungen umgehen, die für den Menschen unsicher sind. Das meiste mag hypothetisch erscheinen, aber es wird den Astronauten eine große Hilfe sein.
3. Intelligentes Navigationssystem
In 2018, Die NASA entwickelte mit Hilfe von Intel ein künstliches Intelligenzsystem, das Astronauten dabei half, sich auf den Planeten zurechtzufinden. Dieses neue Navigationssystem wird dazu beitragen, die Oberfläche der Planeten auf kürzesten Wegen einfach zu navigieren.. Wissenschaftler haben dieses Programm auf unseren Mond angewendet und dieses System funktionierte so, dass es die Oberfläche des Mondes simulierte und dann mit der lokalen Umgebung verglich.. Die KI würde an den Millionen von Bildern des Mondes trainieren und dann mithilfe eines neuronalen Netzes eine Karte des virtuellen Mondes erstellen.. Derselbe Algorithmus wurde später auf das Mars-Explorationsprogramm angewendet.
4. Keplers Entdeckung der Exoplaneten
Das Kepler-Teleskop der NASA wurde entwickelt, um die Frequenz erdgroßer Planeten zu bestimmen, die sonnenähnliche Sterne umkreisen., aber diese Planeten standen kurz vor der Empfindlichkeit der Missionserkennung. Die genaue Bestimmung der Häufigkeit dieser Planeten erforderte eine automatische und genaue Einschätzung der Wahrscheinlichkeit, dass es sich bei den einzelnen Kandidaten tatsächlich um Planeten handelt., auch bei geringem Signalverhältnis / Lärm.
Um diese Einschränkung zu überwinden, Google-Forscher und andere Wissenschaftler verwendeten ein neuronales Faltungsnetzwerk namens AstroNet K2, um vorherzusagen, ob ein bestimmtes Signal des Kepler-Weltraumteleskops ein durchlaufender Exoplanet oder ein falsch positives Ergebnis ist, das durch astrophysikalische oder instrumentelle Phänomene verursacht wird.. Durch Training dieses neuronalen Netzmodells bis zu a 98 (Über) Prozent, erfolgreich zwei neue Exoplaneten identifiziert, nämlich, Kepler 80g und Kepler 90i, umkreist das Kepler-Sternsystem 80 und das Kepler-Sternsystem 90, beziehungsweise.
5. Lösung für Weltraummüll
Weltraumschrott um die Erde (QUELLE: NASA)
Haben Sie schon einmal darüber nachgedacht, was mit Satelliten und Raumschiffen passiert, die ins All geschickt werden und nie zur Erde zurückkehren?, gut, die werden zu Weltraumschrott. Weltraumschrott oder Weltraumschrott ist jedes Stück Maschine oder Müll, das von Menschen im Weltraum hinterlassen wird. Kann sich auf große Objekte wie tote Satelliten beziehen, die ausgefallen sind oder am Ende ihrer Mission im Orbit gelassen wurden.
Das Bild, das Sie oben sehen, wurde veröffentlicht am 2013 von der NASA und zeigte die Menge an Weltraumschrott, die wir hatten 2013. Das Problem mit Weltraummüll hat einen kritischen Punkt erreicht, da Wissenschaftler und Forscher weiterhin Satelliten ins All schicken., das findet nie statt. zurück. Es gibt mehr von 23,000 Von Menschenhand geschaffene Fragmente im Weltraum, die größer sind als 4 "und mehr von 500,000 kleine Partikel. Die eigentliche Sorge bei diesen Weltraummüll besteht darin, dass sie mit Satelliten oder dem Raumfahrzeug kollidieren, hinterlassen eine Delle im Körper, die manchmal der Hauptgrund für Weltraumunfälle ist.
Um dieses Problem zu überwinden, Wissenschaftler verwenden Deep Learning, um die Präzision der traditionell verwendeten Laserbereichstechnologie zu verbessern. Sie verwendeten neuronale Backpropagation-Netzmodelle, um die Position der Trümmer zu identifizieren. Es wurde auch erwähnt, dass nach der Verbesserung der Zielgenauigkeit des Teleskops durch eine Deep-Learning-Technik, Weltraumschrott mit einer Querschnittsfläche von 1 Quadratmeter und einem Abstand von 1500 Kilometer können genau identifiziert werden.
Panorama
Es laufen noch viele weitere Untersuchungen zum Einsatz künstlicher Intelligenz in der Weltraumforschung. Selbst wenn, wie andere KI-Anwendungen, nichts kann sicher und konkret sein. Am Ende des Tages, wir brauchen menschliche Eingriffe in alles, was KI leisten kann. Bei jeder Innovation, KI nähert sich der Bereitstellung neuer Erkenntnisse und erweist sich als Vorteil für den Menschen bei der interstellaren Weltraumerkundung mit Maschinen und innovativen Projekten und Forschungen.
Die in diesem Artikel gezeigten Medien sind nicht Eigentum von DataPeaker und werden nach Ermessen des Autors verwendet.
