Новый алгоритм, применяемый на марсоходе Perseverance, может решать не только те проблемы, с которыми на Красной планете столкнулся этот аппарат. Он также может оказаться полезным для прогноза ураганов и лесных пожаров на Земле.
Инновационный алгоритм
Новый алгоритм, испытанный на марсоходе NASA Perseverance на Марсе, может привести к лучшему прогнозированию ураганов, лесных пожаров и других экстремальных погодных явлений, влияющих на миллионы людей по всему миру.
Аспирант Технологического института Джорджии Остин П. Райт (Austin P. Wright) является первым автором статьи, представляющей Nested Fusion. Новый алгоритм улучшает возможности ученых в поиске прошлых признаков жизни на поверхности Марса.
Эта инновация поддерживает миссию NASA «Марс 2020». Кроме того, ученые из других отраслей, работающих с большими пересекающимися наборами данных, могут использовать методы Nested Fusion в своих исследованиях.
Райт представил свою работу на Международной конференции по выявлению знаний и интеллектуальному анализу данных 2024 года (KDD 2024), где она заняла второе место в номинации «Лучший доклад». Работа опубликована в журнале Proceedings of the 30th ACM SIGKDD Conference on Knowledge Discovery and Data Mining.
«Nested Fusion действительно полезен для исследователей в разных областях, а не только для ученых NASA, — говорит Райт. — Метод визуализирует сложные наборы данных, о которых трудно получить общее представление на начальных исследовательских этапах анализа».
Единое визуальное распределение данных
Nested Fusion сочетает наборы данных с разным разрешением для создания единого визуального распределения с высоким разрешением. Используя этот метод, ученые NASA могут легче анализировать несколько наборов данных из разных источников одновременно. Это может привести к более быстрому изучению состава поверхности Марса для поиска признаков предыдущей жизни. Алгоритм демонстрирует, как наука о данных влияет на традиционные научные отрасли, такие как химия, биология и геология.
Кроме того, Райт разрабатывает приложения Nested Fusion для моделирования меняющегося климата, растительного и животного мира и других концепций в науках о Земле. Этот метод может сочетать наборы пересекаемых данных со спутниковых снимков, биомаркеров и климатических данных.
Райт отвечает за науку о данных и машинном анализе в PIXLISE — программном обеспечении, которое ученые NASA JPL используют для изучения данных, полученных марсоходом Perseverance.
Perseverance использует свой планетарный инструмент для рентгеновской литохимии (PIXL), чтобы собирать данные о минеральном составе поверхности Марса. Два основных инструмента PIXL — рентгенофлуоресцентный спектрометр (XRF) и мультиконтекстная камера (MCC).
Преимущества метода Nested Fusion в научных исследованиях
Когда PIXL сканирует целевую область, он создает два выравненных набора данных из компонентов. XRF собирает мелкомасштабный элемент образца. MCC создает изображение образца для сбора визуальных и физических деталей, таких как размер и форма.
Один рентгеновский спектр соответствует примерно 100 пикселям MCC изображения для каждой точки сканирования. Уникальное разрешение каждого инструмента затрудняет сопоставление перекрывающихся слоев данных. Однако Райт и его коллеги разработали Nested Fusion, чтобы преодолеть это препятствие.
В дополнение к развитию науки о данных Nested Fusion улучшает рабочий процесс ученых NASA. Используя этот метод, один ученый может сформировать начальную оценку минерального состава образца в считанные часы. До появления Nested Fusion эта задача потребовала многодневного сотрудничества между командами экспертов на каждом отдельном инструменте.
Признание значимости Nested Fusion для научного сообщества
Nested Fusion занял второе место за лучший доклад по прикладной науке о данных. Сотни других докладов были представлены на исследовательской секции конференции, воркшопах и семинарах.
Наставники Райта, Скотт Дэвидофф и Поло Чау, были соавторами доклада о Nested Fusion. Дэвидофф — главный научный сотрудник Лаборатории реактивного движения NASA. Чау — профессор Школы вычислительной науки и инженерии (CSE) Технологического института Джорджии.
«Я был очень рад, что эта работа была признана лучшей, — сказал Райт. — Такого рода прикладным работам иногда бывает трудно найти правильную академическую среду, поэтому нахождение сообществ, которые ценят эту работу, очень вдохновляет».
По материалам phys.org
