I partecipanti al programma della NASA Frontier Development Laboratory il 17 agosto hanno presentato progetti sull'uso dell'apprendimento automatico nello spazio. In particolare, i team hanno mostrato sistemi di intelligenza artificiale per determinare le orbite di comete potenzialmente pericolose e migliorare le mappe della superficie lunare. IEEE Spectrum ne parla.
Aziende come Facebook o Google utilizzano l'apprendimento automatico per tradurre testo o riconoscere le persone nelle fotografie, ma le tecniche di apprendimento automatico vengono utilizzate non solo nei prodotti personalizzati, ma anche per risolvere problemi scientifici. Con l'aiuto del programma Frontier Development Laboratory, che viene organizzato per il secondo anno, la NASA sta esplorando le possibilità degli algoritmi di intelligenza artificiale per l'esplorazione spaziale. Ogni estate, l'agenzia riunisce piccoli gruppi di ricercatori per affrontare importanti problemi di ricerca spaziale.
In totale, i team stanno lavorando a cinque progetti: proteggere il pianeta dalle comete di lungo periodo, identificare i crateri lunari, creare modelli tridimensionali di asteroidi vicini alla Terra, studiare l'effetto dell'eliosfera e del tempo spaziale sull'atmosfera terrestre e sulla magnetosfera e determinare le cause dei brillamenti solari e delle espulsioni di massa coronale. Alla conferenza Wrap-Up a Santa Clara, svoltasi giovedì scorso, gli scienziati hanno presentato i primi risultati.
IEEE Spectrum ha parlato dei risultati del lavoro dei due team. Il primo team di ricercatori ha utilizzato i dati del sondaggio Cameras for Allsky Meteor Surveillance (CAMS) per prevedere dagli sciami meteorici quando la prossima cometa di lungo periodo volerà vicino alla Terra. Nell'ambito di CAMS, sessanta videocamere installate in tre stazioni guardano il cielo alla ricerca di deboli meteore. Trovano sciami meteorici e cercano di correlarli con comete scoperte di recente che potrebbero aver lasciato questi detriti. Un team di scienziati del Frontier Development Laboratory ha sviluppato una rete neurale che distingue le meteore in rapido movimento da nuvole, lucciole e aeroplani (di solito eseguite a mano), quindi raggruppa le immagini nel tempo. Pertanto, l'algoritmo trova sciami meteorici sconosciuti.
Nel 90 per cento dei casi, le previsioni della rete neurale, che è stata testata per due mesi, coincidevano con la classificazione degli oggetti da parte dell'uomo. In un progetto pilota, il team ha analizzato circa un milione di meteore. Tuttavia, alcuni esperti erano scettici sul progetto: in particolare, hanno chiesto la prova che gli sciami meteorici non sono rumore nei dati, e anche che sono i resti di comete e non asteroidi o altre fonti. Uno dei creatori del progetto, Marcelo de Cicco dell'Istituto nazionale brasiliano di metrologia, ha convenuto che la rete neurale deve ancora essere migliorata.
Gli autori del secondo progetto hanno lavorato con i dati della stazione interplanetaria Lunar Reconnaisance Orbiter (LRO) per creare una mappa più dettagliata della superficie lunare. Gli scienziati hanno utilizzato per la prima volta le informazioni del Lunar Orbiter Laser Altimeter (LOLA) per creare una mappa elevazione digitale del satellite. Tuttavia, aveva uno svantaggio: conteneva artefatti. Ogni volta che l'LRO orbita attorno alla Luna, devia leggermente dalla sua orbita ideale. Per questo motivo, le misurazioni sono imprecise e le rocce e le crepe appaiono dove non sono.
Per risolvere questo problema, i ricercatori hanno abbinato la mappa con le immagini della Narrow Angle Camera (NAC), che registra la luce solare riflessa dalla superficie lunare. Utilizzando un algoritmo di apprendimento automatico, il team ha eliminato gli artefatti e ha realizzato una mappa più accurata del satellite terrestre. Gli scienziati hanno anche insegnato a un sistema di intelligenza artificiale per distinguere i crateri dalle ombre e da oggetti simili. La precisione del programma era del 98 percento.
Negli ultimi anni gli astronomi hanno utilizzato sempre più reti neurali nel loro lavoro. Ad esempio, gli algoritmi informatici stanno già aiutando gli scienziati a determinare la composizione delle atmosfere degli esopianeti e tracciare il movimento delle stelle nella galassia.
Video promozionale:
Christina Ulasovich
