پیشبینی بهتر آب و هوای مرکز پرتاب فضایی با هوش مصنوعی
یک مدل هوش مصنوعی الهام گرفته از گوگل، پیشبینی آب و هوا در مرکز پرتاب فضایی کیپ کاناورال را تا ۵۰ درصد بهبود میبخشد.
یک مدل هوش مصنوعی الهام گرفته از گوگل، پیشبینی آب و هوا در مرکز پرتاب فضایی کیپ کاناورال را تا ۵۰ درصد بهبود میبخشد.
به گزارش مجله تیتر ۱۲ به نقل از ایسنا، الگوریتم هوش مصنوعی تا ۴۰ هزار برابر سریعتر از یک مدل آب و هوای معمولی اجرا میشود.
به نقل از اسپیس، یک مدل جدید آب و هوای مبتنی بر هوش مصنوعی که از سیستمهای پردازش زبان اختراع شده توسط گوگل الهام گرفته است، به اسپیسایکس کمک میکند تا از اختلال در برنامه شلوغ پرتابهای خود در ساحل فضایی فلوریدا جلوگیری کند.
موشکها یکی از چشمگیرترین اختراعات بشر هستند، اما این ماشینهای قدرتمند در اختیار طبیعت هستند و در کنار مشکلات فنی، نامساعد بودن شرایط آب و هوایی شایعترین علت به تعویق افتادن پرتابها است.
بیشتر پروازهای ایالات متحده از فلوریدا اتفاق میافتد، جایی که رعد و برق یک پدیده معمول است. چنین آب و هوایی که رعد و برق تولید میکند میتواند سیستمهای ناوبری موشک را مختل کند. تغییر ناگهانی در سرعت و جهت باد که در فاصله کوتاهی در جو رخ میدهد، وقتی موشک در حال بالا رفتن با سرعت مافوق صوت است مانند یک پتک به آن برخورد میکند.
ابرهای ضخیم میتوانند حاوی یخ آب باشند که آن نیز دلیلی برای ممنوعیت پرتاب است.
اسکادران هواشناسی ۴۵ نیروی فضایی ایالات متحده و ابررایانههای قدرتمند آن، مسئول پیش بینی آب و هوای منطقه کیپ کاناورال، از جمله مرکز فضایی کندی ناسا و ایستگاه نیروی فضایی کیپ کاناورال هستند.
هواشناسان این اسکادران پنجرههای پرتاب را ۴۸ تا ۷۲ ساعت قبل تایید میکنند تا امکان سوخترسانی و آماده سازی سکوی پرتاب فراهم شود.
اما آب و هوا در این منطقه ناپایدار است و حدود ۱۶ درصد از پرتابهای موشکی در نهایت لغو میشوند. یک مدل جدید هوش مصنوعی که توسط شرکت Atmo AI مستقر در سانفرانسیسکو توسعه یافته است، به اسکادران کمک میکند تا پیشبینیهای آب و هوا و دقت را سرعت و بهبود بخشد و وضوح مکانی و زمانی بهتری ارائه دهد.
یوهان مت(Johan Mathe)، بنیانگذار و مدیر ارشد فناوری Atmo میگوید: فناوری ما ابزار پیشبینی آب و هوا را بسیار فشردهتر میکند. به جای یک ابر رایانه، از یک ماشین واحد با یک GPU یا واحد پردازش گرافیکی استفاده میشود.
الگوریتم خودآموزی که حجم وسیعی از دادههای آب و هوا را دریافت میکند، مبتنی بر همان فناوری است که مدلهای پردازش زبان توسعهیافته توسط گوگل را نیرو میبخشند. مت توضیح داد در حالی که ابررایانههای سنتی به ورودی زیادی از سوی انسان نیاز دارند و ساعتها طول میکشد تا مدلهای پیچیده آبوهوای خود را اجرا کنند، الگوریتمهای Atmo AI میتوانند پیشبینیهای خود را هر چند دقیقه یک بار با رسیدن دادههای جدید دوباره محاسبه کنند.
مت میگوید: پیشبینی معمولی بین سه تا ۹ ساعت طول میکشد. پیشبینی ما میتواند در حدود ۱۰ ثانیه اجرا شود. این یک دستاورد مهم است. شما اطلاعات حسگر را هر دقیقه دریافت میکنید و به پیشبینی تبدیل میکنید. من میدانم که سرعت باد برای مثال ایکس است و مقداری باران در آنجا میبارد؛ باید تمام این دادهها را دریافت کرد و سپس میتوان نتایج را دید. این در حالی است که اگر ۹ ساعت طول بکشد تا پیشبینی را ببینید، همیشه ۹ ساعت تاخیر وجود خواهد داشت.
او افزود که الگوریتم هوش مصنوعی این شرکت تا ۵۰ درصد پیشبینیهای بهتری را برای معیارهای کلیدی از جمله باد، دما و رطوبت ارائه میکند و تفاوتها را در منطقهای کوچکتر از یک کیلومتر مربع(۰.۴ مایل مربع) نمایان میکند.
توسعه دهندگان، این مدل را با استفاده از دادههای آب و هوای ۴۵ ساله آموزش دادند و به دنبال الگوهایی در توسعه آب و هوا بودند که میتواند نشان دهنده تکامل آن در آینده باشد.
مت و یکی دیگر از بنیانگذاران Atmo، الکس لوی(Alex Levy)، هر دو سالهاست که در حال توسعه سیستمهای هوش مصنوعی هستند. مت پیش از این شرکتی را با استفاده از هوش مصنوعی برای تشخیص بیماری قلبی ساخته بود و لوی در زمینه کشف داروهای مبتنی بر هوش مصنوعی کار میکرد. آنها Atmo را در سال ۲۰۲۰ تأسیس کردند و سه سال بعد همکاری خود را با اسکادران آب و هوای ۴۵ آغاز کردند و پیش بینیهایی را برای پرتابهای فضایی کیپ کاناورال ارائه کردند.
مت میگوید: امروزه، هوش مصنوعی برای انجام مدلهای زبانی تحت فشار زیادی قرار میگیرد، اما برای نوع فیزیک و دینامیک سیالات که میتواند پیشبینی آبوهوا را حل کند، عالی است. این پیشبینی گزینهای برای هواشناسان ارائه میدهد که کیفیت بالاتری دارد و اغلب اوقات اجرا میشود تا بتوانند برنامهریزی خود را برای پرتاب انجام دهند.
پایان