Новий алгоритм, застосований на марсоході Perseverance, може розв’язувати не лише ті проблеми, з якими на Червоній планеті зіштовхнувся цей апарат. Він також може виявитися корисним для прогнозу ураганів та лісових пожеж на Землі.
Інноваційний алгоритм
Новий алгоритм, випробуваний на марсоході NASA Perseverance на Марсі, може призвести до кращого прогнозування ураганів, лісових пожеж та інших екстремальних погодних явищ, які впливають на мільйони людей у всьому світі.
Аспірант Технологічного інституту Джорджії Остін П. Райт (Austin P. Wright) є першим автором статті, яка представляє Nested Fusion. Новий алгоритм покращує можливості вчених у пошуку минулих ознак життя на поверхні Марса.
Ця інновація підтримує місію NASA «Марс 2020». Крім того, науковці з інших галузей, які працюють з великими наборами даних, що перетинаються, можуть використовувати методи Nested Fusion у своїх дослідженнях.
Райт представив свою роботу на Міжнародній конференції з виявлення знань та інтелектуального аналізу даних 2024 року (KDD 2024), де вона посіла друге місце в номінації «Найкраща доповідь». Праця опублікована в журналі Proceedings of the 30th ACM SIGKDD Conference on Knowledge Discovery and Data Mining.
«Nested Fusion справді корисний для дослідників у різних галузях, а не лише для науковців NASA, — каже Райт. — Метод візуалізує складні набори даних, про які може бути важко отримати загальне уявлення на початкових дослідницьких етапах аналізу».
Єдиний візуальний розподіл даних
Nested Fusion поєднує набори даних із різною роздільною здатністю для створення єдиного візуального розподілу з високою роздільною здатністю. Використовуючи цей метод, вчені NASA можуть легше аналізувати кілька наборів даних із різних джерел одночасно. Це може призвести до швидшого вивчення складу поверхні Марса для пошуку ознак попереднього життя. Алгоритм демонструє, як наука про дані впливає на традиційні наукові галузі, такі як хімія, біологія та геологія.
Крім того, Райт розробляє додатки Nested Fusion для моделювання мінливого клімату, рослинного і тваринного світу та інших концепцій у науках про Землю. Цей метод може поєднувати набори даних, що перетинаються, з супутникових знімків, біомаркерів і кліматичних даних.
Райт відповідає за науку про дані та машинний аналіз у PIXLISE — програмному забезпеченні, яке науковці NASA JPL використовують для вивчення даних, отриманих марсоходом Perseverance.
Perseverance використовує свій планетарний інструмент для рентгенівської літохімії (PIXL), щоб збирати дані про мінеральний склад поверхні Марса. Два основні інструменти PIXL — рентгенофлуоресцентний спектрометр (XRF) і мультиконтекстна камера (MCC).
Переваги методу Nested Fusion у наукових дослідженнях
Коли PIXL сканує цільову область, він створює два вирівняні набори даних із компонентів. XRF збирає дрібномасштабний елементний склад зразка. MCC створює зображення зразка для збору візуальних і фізичних деталей, таких як розмір і форма.
Один рентгенівський спектр відповідає приблизно 100 пікселям зображення MCC для кожної точки сканування. Унікальна роздільна здатність кожного інструмента ускладнює зіставлення шарів даних, що перекриваються. Однак Райт і його колеги розробили Nested Fusion, щоб подолати цю перешкоду.
На додаток до розвитку науки про дані Nested Fusion покращує робочий процес вчених NASA. Використовуючи цей метод, один науковець може сформувати початкову оцінку мінерального складу зразка за лічені години. До появи Nested Fusion це завдання вимагало багатоденної співпраці між командами експертів на кожному окремому інструменті.
Визнання значущості Nested Fusion для наукової спільноти
Nested Fusion посів друге місце за найкращу доповідь у напрямку прикладної науки про дані. Сотні інших доповідей були представлені на дослідницькій секції конференції, воркшопах та навчальних семінарах.
Наставники Райта, Скотт Девідофф і Поло Чау, були співавторами доповіді про Nested Fusion. Девідофф — головний науковий співробітник Лабораторії реактивного руху NASA. Чау — професор Школи обчислювальної науки та інженерії (CSE) Технологічного інституту Джорджії.
«Я був надзвичайно радий, що цю роботу визнали найкращою, — сказав Райт. — Такого роду прикладним роботам іноді буває важко знайти правильне академічне середовище, тому знаходження спільнот, які цінують цю роботу, дуже надихає».
За матеріалами phys.org
