Bỏ qua Lệnh Ruy-băng Bỏ qua nội dung chính
 

 Diễn đàn Khoảng không vũ trụ vì tri thức tiện ích và nhân loại – viễn cảnh tương lai.

 
​Một mô hình học tập có thể giúp xác định chi tiết cuối cùng trong dữ liệu đám mây.   27-12-2018
Những đứa trẻ nằm ngửa trên một cánh đồng cỏ có thể quét những đám mây để tìm hình ảnh - có lẽ là một chú thỏ bông ở đây và một con rồng bốc lửa ở đằng kia. Thông thường, các nhà khoa học khí quyển làm điều ngược lại - họ tìm kiếm hình ảnh dữ liệu cho các đám mây như một phần của nghiên cứu để tìm hiểu các hệ thống Trái đất.


Việc gắn nhãn thủ công hình ảnh dữ liệu pixel theo pixel rất tốn thời gian, vì vậy các nhà nghiên cứu dựa vào các kỹ thuật xử lý tự động, chẳng hạn như thuật toán phát hiện đám mây. Nhưng đầu ra của các thuật toán không chính xác như các nhà khoa học mong muốn .

Gần đây, các nhà nghiên cứu tại Phòng thí nghiệm quốc gia Tây Bắc Thái Bình Dương của Bộ Năng lượng Mỹ đã hợp tác để tìm hiểu xem liệu học sâu - một tập hợp con khác biệt của học máy - có thể thực hiện công việc tốt hơn trong việc xác định các đám mây trong dữ liệu nắp so với các thuật toán dựa trên vật lý hiện tại hâ không. Câu trả lời là "có." Mô hình mới gần hơn với câu trả lời mà các nhà khoa học đưa ra nhưng chỉ trong một phần nhỏ thời gian.

Lidar là một thiết bị viễn thám phát ra tia laser xung và thu thập tín hiệu trở lại bị phân tán trở lại bởi các giọt mây hoặc aerosol. Tín hiệu trở lại này cung cấp thông tin về chiều cao và cấu trúc thẳng đứng của các tính năng khí quyển, chẳng hạn như các đám mây hoặc các lớp khói. Dữ liệu như vậy từ các nền tảng trên mặt đất là một phần quan trọng của dự báo toàn cầu.

Nhà khoa học trái đất Donna Flynn nhận thấy rằng, trong một số trường hợp, những gì các thuật toán phát hiện được là các đám mây trong các hình ảnh hai chiều không khớp với những gì mắt chuyên gia của cô nhìn thấy. Các thuật toán có xu hướng đánh giá quá cao ranh giới đám mây.

Nâng cấp bắt đầu

Cho đến gần đây, sức mạnh tính toán bị giới hạn trong các mạng nơ ron nhân tạo, một loại mô hình học sâu, với một số lượng nhỏ các lớp tính toán. Giờ đây, với sức mạnh tính toán tăng lên có sẵn thông qua các cụm siêu máy tính, các nhà nghiên cứu có thể sử dụng nhiều tính toán hơn trong một loạt các lớp. Mạng lưới thần kinh nhân tạo càng có nhiều lớp thì mạng học sâu càng mạnh.

Để bắt đầu, các nhà nghiên cứu cần có hình ảnh dữ liệu nắp được dán nhãn chính xác, hoặc dữ liệu "sự thật mặt đất", để đào tạo và thử nghiệm mô hình. Vì vậy, Flynn đã dành nhiều giờ dài gắn nhãn hình ảnh pixel theo pixel: đám mây hoặc không có đám mây. Mắt cô có thể phân biệt ranh giới đám mây và đám mây so với một lớp aerosol. Cô mất 40 giờ - tương đương với một tuần làm việc đầy đủ - để dán nhãn khoảng 100 ngày dữ liệu khai thác được thu thập tại đài quan sát khí quyển miền Nam Great Plains, một phần của cơ sở sử dụng Đo lường bức xạ khí quyển của DOE, Oklahoma.

Mô hình học thông qua tự phản hồi. Nó so sánh hiệu suất của chính nó với các kết quả được dán nhãn bằng tay và điều chỉnh các tính toán của nó cho phù hợp, Cromwell giải thích. Nó lặp lại các bước này, cải thiện mỗi lần thông qua.

Đạt được mục tiêu

Với việc đào tạo, mô hình học sâu vượt trội hơn các thuật toán hiện tại. Độ chính xác của mô hình gần như gấp đôi và gần hơn nhiều so với những gì một chuyên gia về con người sẽ tìm thấy - nhưng trong một phần nhỏ thời gian.

Các bước tiếp theo là đánh giá hiệu suất của mô hình trên dữ liệu khai thác được thu thập tại các địa điểm khác nhau và trong các mùa khác nhau. Các thử nghiệm ban đầu về dữ liệu từ đài thiên văn ARM tại Oliktok Point ở Alaska rất hứa hẹn.

"Một lợi thế của mô hình học sâu là học chuyển," Cromwell nói. "Chúng tôi có thể đào tạo mô hình hơn nữa với dữ liệu từ Oliktok để làm cho hiệu suất của nó mạnh mẽ hơn."

Thanh Vân (Eurekalert)​

In nội dung
Các tin đã đăng ngày
Chọn một ngày từ lịch.
 

 THÔNG BÁO

 
 

 Thủ tục hành chính

 
 

 Hình ảnh hoạt động

 
Video clip
  • Ứng dụng công nghệ đèn LED trong sản xuất đạt hiệu quả cao
  • Đoàn xúc tiến đầu tư tại Đài Loan làm việc với Công ty Công nghệ sinh học Vạn Bảo Lộc
  • Đồng Nai là tỉnh đầu tiên được đo hàm lượng vàng
  • Công bố chỉ dẫn địa lý cho chôm chôm Long Khánh
  • Hội thảo nhân rộng mô hình ứng dụng công nghệ cao trong sản xuất nông nghiệp
  • Hội nghị cán bộ công chức và triển khai nhiệm vụ khoa học và công nghệ năm 2015
  • Vũ điệu đen tối "đồng hồ xăng" phần 2
  • Vũ điệu đen tối "đồng hồ xăng" phần 1
  • Nhiều trạm xăng dầu sử dụng công nghệ cao gắn chíp qua mắt người tiêu dùng và các cơ quan chức năng
  • Ký kết thỏa thuận hợp tác với trường Đại học Okayama (Nhật Bản)

  • Hình ảnh liên kết
    Liên kết website trong tỉnh
    Liên kết website các tỉnh
    Lượt truy cập