NVIDIA GPU 驅(qū)動的深度學(xué)習(xí)在短短幾秒內(nèi)解讀出了卡西尼號土星探測器多年來收集的海量數(shù)據(jù)，為科研人員探索外星世界提供了更加智能的方式。

作為土星最大的衛(wèi)星，土衛(wèi)六（Titan）上的甲烷云層不僅僅是一種奇特的天文現(xiàn)象，還是人們了解太陽系中最復(fù)雜氣候系統(tǒng)的一扇窗口。

一直以來，繪制這些甲烷云層圖都是一項(xiàng)緩慢而繁重的工作。AI 則改變了這一局面，一個來自 NASA、加州大學(xué)伯克利分校和法國宇宙科學(xué)觀測所的團(tuán)隊(duì)已經(jīng)取得了突破性進(jìn)展。

通過使用 NVIDIA GPU，科研人員訓(xùn)練了一個深度學(xué)習(xí)模型，它能夠在幾秒鐘內(nèi)分析卡西尼號探測器多年來收集的海量數(shù)據(jù)。這種方法可能徹底改變行星學(xué)的研究方式，轉(zhuǎn)瞬之間就能完成原本需要數(shù)天的工作量。

這項(xiàng)研究的第一作者、佐治亞理工學(xué)院博士生 Zach Yahn 表示：“AI 能夠顯著提高科學(xué)家的工作效率和生產(chǎn)力，并攻克那些原本難以解決的問題。”

工作原理

該項(xiàng)目的核心是深度學(xué)習(xí)模型 Mask R-CNN，它不僅能夠檢測物體，還能逐像素地勾勒出物體的輪廓。在使用手工標(biāo)注的土衛(wèi)六圖像進(jìn)行訓(xùn)練之后，該模型繪制出了這顆衛(wèi)星難以捉摸的云層。這些云層呈斑塊狀、條紋狀，在煙霧彌漫的大氣層中幾乎難以被觀測到。

該團(tuán)隊(duì)運(yùn)用了遷移學(xué)習(xí)技術(shù)，以在 COCO 數(shù)據(jù)集（一個涵蓋日常圖像的數(shù)據(jù)集）上訓(xùn)練的模型為基礎(chǔ)，隨后針對土衛(wèi)六的獨(dú)特挑戰(zhàn)對其進(jìn)行微調(diào)。Yahn 解釋道，這種方式不僅節(jié)省了時(shí)間，還表明“行星科學(xué)家有時(shí)候可能無法獲取從頭訓(xùn)練大模型所需的海量計(jì)算資源，但他們依舊能夠借助遷移學(xué)習(xí)等技術(shù)，將 AI 應(yīng)用于自己的數(shù)據(jù)和項(xiàng)目”。

該模型不僅適用于土衛(wèi)六研究，還有更大的潛力。Yahn 補(bǔ)充道：“太陽系中的許多其它天體也有行星學(xué)科研人員感興趣的云層結(jié)構(gòu)，包括火星和金星。類似的技術(shù)或許還可以用于研究木衛(wèi)一上的火山流、土衛(wèi)二上的羽流、木衛(wèi)二上的線狀地形，以及固態(tài)行星和衛(wèi)星上的隕石坑。”

加速的科學(xué)，由 NVIDIA 驅(qū)動

NVIDIA GPU 使得這樣的速度成為可能，它能夠處理高分辨率圖像，并以極短的延遲生成云掩模，而這些工作是傳統(tǒng)硬件難以勝任的。

NVIDIA GPU 已成為太空科學(xué)家的得力工具，還助力科學(xué)家分析韋伯太空望遠(yuǎn)鏡采集的數(shù)據(jù)、模擬火星登陸以及掃描地外信號。如今，NVIDIA GPU 正幫助科研人員解讀土衛(wèi)六的奧秘。

下一步

AI 所取得的這項(xiàng)重大突破僅僅是一個開始。隨著 NASA 的木衛(wèi)二歐羅巴快船號探測器和蜻蜓號探測器等開展探測，這些項(xiàng)目勢必會為科研人員源源不斷地輸送海量數(shù)據(jù)。AI 可以幫助處理這項(xiàng)工作，實(shí)時(shí)地在探測器上、在執(zhí)行任務(wù)期間處理這些數(shù)據(jù)，甚至能夠?qū)μ綔y結(jié)果進(jìn)行優(yōu)先級排序。盡管仍存在一些挑戰(zhàn)，例如開發(fā)能夠適應(yīng)太空極端環(huán)境的硬件設(shè)備，但 AI 在太空探索中的潛力毋庸置疑。

土衛(wèi)六上的甲烷云層蘊(yùn)藏著諸多奧秘。如今，在 NVIDIA GPU 加速的新型 AI 工具的幫助下，科研人員將更快速地解開這些奧秘。