Cet article a été publié dans le cadre du Blogathon sur la science des données.
Vue d'ensemble
L'exploration spatiale a toujours intéressé les scientifiques et les gouvernements du monde entier, car il contient la clé de l'origine de l'humanité et de nombreuses merveilles merveilleuses de l'univers, y compris la possibilité de vies extraterrestres. L'univers visible représente les parties de l'espace que nous pouvons voir à l'aide de télescopes. Cependant, les scientifiques et les explorateurs pensent que l'univers est peut-être plus grand que cela.
Jusqu'à la date, les scientifiques n'ont à peu près exploré que les 4% de l'univers visible composé de planètes, étoiles, galaxies et autres objets astronomiques que les astronomes et les scientifiques peuvent voir et connaître. Le reste 96% encore inexploré.
Comprendre l'intelligence artificielle et l'apprentissage automatique
L'intelligence artificielle ou le terme plus court et plus cool de l'IA fait référence à la simulation de l'intelligence humaine dans des machines programmées pour penser comme les humains et imiter leurs actions.. Le terme peut également être appliqué à toute machine qui présente des traits associés à un esprit humain., comme l'apprentissage et la résolution de problèmes.
L'apprentissage automatique est une branche spécialisée dans le domaine de l'intelligence artificielle qui traite des machines d'entraînement pour développer une intelligence qui leur permet d'effectuer des tâches complexes en utilisant leur intelligence. Les algorithmes d'apprentissage automatique utilisent des tonnes de données pour aider les machines à se familiariser avec les différents scénarios auxquels elles peuvent être confrontées.. Permet aux machines d'apprendre de votre expérience de formation et de les utiliser dans des scénarios de la vie réelle.
À LA / ML dans l'exploration spatiale
À présent, si nous devions combiner les idées de ces deux termes massifs, a savoir, IA et exploration spatiale, en tenant compte des développements récents dans le domaine de l'apprentissage automatique et de l'intelligence artificielle, imaginez à quel point il serait facile pour les scientifiques et les explorateurs d'atteindre leur objectif et comment cela affecterait nos vies.
Mettons ces deux idées ensemble et voyons ce qui a déjà été fait, que se passe-t-il et que faire d'autre.
1. Première image d'un trou noir
Nous avons obtenu notre première image de trou noir en utilisant l'algorithme CHIRP (Reconstruction continue d'images haute résolution à l'aide de Patch Priors). CHIRP est un algorithme bayésien utilisé pour effectuer une déconvolution sur des images créées en radioastronomie. Le développement du CHIRP a impliqué une grande équipe de chercheurs en informatique et en intelligence artificielle du MIT. CHIRP a utilisé les données d'image des télescopes Event Horizon qui étaient trop grands et c'est là que le traitement d'image a dû être fait.. Les scientifiques ont utilisé Numpy, pandas et autres bibliothèques python pour réduire les données, corrélation des données et étalonnages. ML a également été utilisé dans l'analyse d'images.
Consultez ce lien pour plus de détails: https://numpy.org/case-studies/blackhole-image/
Maintenant que nous avons la première image d'un trou noir, les scientifiques et les chercheurs travaillent pour obtenir des images plus précises d'un trou noir. Pour le faire, créer des algorithmes plus complexes qui utiliseront davantage l'apprentissage automatique et l'intelligence artificielle.
Notez que de nombreux objets nous sont encore inconnus dans l'espace lointain, ainsi l'application du Machine Learning et du Deep Learning nous aidera à classer le type d'objet et ces investigations à l'avenir peuvent conduire à identifier de plus en plus de nouveaux objets et, donc, aider les scientifiques. et explorateurs dans l'exploration spatiale.
2. Assistants et robots basés sur l'intelligence artificielle
Les noms TARS et CASE vous disent quelque chose ?? Oui, Je parle des robots du célèbre film 'Interstellar’ (et au cas ou tu ne l'aurais pas vu, je te recommande de le faire). Si vous vous souvenez du rôle de TARS et CASE dans le film, imaginez à quel point ils seraient utiles pour aider les astronautes dans la vraie vie.
Des scientifiques développent des assistants basés sur l'IA pour aider les astronautes dans leur mission sur la Lune, Mars et au-delà. Ces assistants sont conçus pour comprendre et prévoir les besoins de l'équipage et comprendre les émotions et la santé mentale des astronautes et prendre les mesures nécessaires en cas d'urgence. À présent, comme ils le font? La réponse à cela est l'analyse des sentiments.. Analyse des sentiments (également connu sous le nom d'exploration d'opinion ou d'émotion IA) est un sous-domaine de la PNL (traitement du langage naturel) qui essaie d'identifier et d'extraire des opinions dans un texte donné à travers des blogs, Commentaires, réseaux sociaux, forum, informations, etc.
Les robots, d'un autre côté, peut être plus utile lorsqu'il s'agit d'assistants physiques, comment aider à piloter des vaisseaux spatiaux, amarrer des engins spatiaux et gérer des conditions extrêmes qui ne sont pas sûres pour les humains. La plupart peuvent sembler hypothétiques, mais cela sera d'une grande aide pour les astronautes.
3. Système de navigation intelligent
Dans 2018, La NASA avec l'aide d'Intel a développé un système d'intelligence artificielle qui a aidé les astronautes à trouver leur chemin sur les planètes. Ce nouveau système de navigation aidera à naviguer facilement à la surface des planètes à travers les routes les plus courtes possibles.. Les scientifiques ont appliqué ce programme à notre lune et la façon dont ce système fonctionnait était qu'il simulait la surface de la lune puis la comparait à l'environnement local.. L'IA s'entraînerait sur les millions d'images de la lune puis utiliserait un réseau de neurones pour créer une carte de la lune virtuelle.. Le même algorithme a ensuite été appliqué au programme d'exploration de Mars.
4. Découverte des exoplanètes de Kepler
Le télescope Kepler de la NASA a été conçu pour déterminer la fréquence des planètes de la taille de la Terre en orbite autour d'étoiles similaires au Soleil., mais ces planètes étaient au bord de la sensibilité de détection de mission. La détermination précise du taux d'occurrence de ces planètes nécessitait une évaluation automatique et précise de la probabilité que les candidats individuels soient réellement des planètes., même avec un faible rapport de signal / bruit.
Pour surmonter cette limite, Des chercheurs de Google et d'autres scientifiques ont utilisé un réseau neuronal convolutif appelé AstroNet K2 pour prédire si un signal donné du télescope spatial Kepler est une exoplanète en transit ou un faux positif causé par un phénomène astrophysique ou instrumental.. En entraînant ce modèle de réseau neuronal jusqu'à un 98 (environ) pourcent, identifié avec succès deux nouvelles exoplanètes, a savoir, Kepler 80g et Kepler 90i, en orbite autour du système stellaire Kepler 80 et le système stellaire Kepler 90, respectivement.
5. Solution de débris spatiaux
Débris spatiaux autour de la Terre (LA SOURCE: Nasa)
Avez-vous déjà pensé à ce qui arrive aux satellites et aux vaisseaux spatiaux qui sont envoyés dans l'espace et ne reviennent jamais sur Terre ?, bon, ceux-ci se transforment en débris spatiaux. Les débris spatiaux ou débris spatiaux sont toute pièce de machinerie ou débris laissés par les humains dans l'espace. Peut faire référence à de gros objets tels que des satellites morts qui ont échoué ou ont été laissés en orbite à la fin de leur mission.
L'image que vous voyez ci-dessus a été publiée le 2013 par la NASA et a montré la quantité de débris spatiaux que nous avions dans 2013. Le problème des débris spatiaux a atteint un point critique alors que les scientifiques et les chercheurs continuent d'envoyer des satellites dans l'espace., qui n'a jamais lieu. dos. Il y a plus de 23,000 fragments fabriqués par l'homme dans l'espace qui sont plus grands que 4 " et plus de 500,000 petites particules. Le vrai problème avec ces débris spatiaux est que lorsqu'ils entrent en collision avec des satellites ou le vaisseau spatial, laisser une entaille dans le corps qui devient parfois la principale cause d'accidents spatiaux.
Pour surmonter ce problème, Les scientifiques utilisent l'apprentissage en profondeur pour améliorer la précision de la technologie de portée laser traditionnellement utilisée. Ils ont utilisé des modèles de réseau de neurones à rétropropagation pour identifier l'emplacement des débris. Il a également été mentionné qu'après avoir amélioré la précision de pointage du télescope grâce à une technique d'apprentissage en profondeur, débris spatiaux d'une section de 1 mètre carré et une distance de 1500 les kilomètres peuvent être identifiés avec précision.
panorama
Il existe de nombreuses autres enquêtes en cours sur la mise en œuvre de l'intelligence artificielle dans l'exploration spatiale. Même si, comme d'autres applications d'IA, rien ne peut être certain et concret. A la fin de la journee, nous avons besoin d'interventions humaines dans tout ce que l'IA est capable de faire. Avec chaque innovation, L'IA se rapproche de la fourniture de nouvelles connaissances et s'avère être un avantage pour les humains dans l'exploration de l'espace interstellaire avec des machines et des projets et recherches innovants.
Les médias présentés dans cet article ne sont pas la propriété de DataPeaker et sont utilisés à la discrétion de l'auteur.
