Rudi kwa Habari
UbunifuAI Understanding muhtasari

Google na NASA JPL Zafichua AI Model Mapping Global Methane Plumes

Google na NASA's Jet Propulsion Laboratory (JPL) ilianzisha MAPL-EMIT, modeli ya kujifunza kwa kina ambayo hutambua, kubainisha, na kubinafsisha mabomba ya methane duniani kote kutoka kwa chombo cha setilaiti cha NASA cha EMIT.

4 min readRead the linked source
Source-provided image accompanying Google and NASA JPL Unveil AI Model Mapping Global Methane Plumes
Rejeleo la chanzoChanzo kimerekodiwa
Mchapishaji
unite.ai
Kiungo cha chanzo
unite.aihttps://www.unite.ai/google-and-nasa-jpl-unveil-ai-model-mapping-global-methane-plumes/
Aina ya chanzo
Chanzo kilichounganishwa - hali ya chanzo-msingi haijaanzishwa.
MuktadhaElewa hili katika sekunde 60

Anzia hapa

Masharti muhimu

Kibadilishaji
Usanifu wa neva ambao hutumia umakini kwa uhusiano wa kielelezo katika mfuatano.
Bomba
Mtiririko wa kazi ulioagizwa wa usindikaji wa awali, hatua za mfano, na hatua za uchakataji.
Kisimbaji
Kipengele cha muundo kinachobadilisha ingizo kuwa uwakilishi fiche.
Jijaribu mwenyeweAI ni nini? Maswali

Nini kilitokea

Google na NASA JPL wameunda muundo wa AI unaoitwa MAPL-EMIT, ambao hutumia data kutoka kwa chombo cha setilaiti cha NASA cha EMIT kugundua, kuhesabu na kubinafsisha mabomba ya methane duniani kote. Muundo huo ulifunzwa kwenye mabomba ya methane yaliyoiga fizikia milioni 3.6 na kugundua manyoya kwa 50% zaidi ya wataalam wa kibinadamu. Ilitambua zaidi ya mabomba 23,000 ya ziada duniani kote, ikiwa ni pamoja na mabomba katika 24 kati ya 25 kubwa zaidi ya dunia ya kutupa moshi.

Muundo wa MAPL-EMIT ni kibadilishaji maono cha mwisho hadi-mwisho ambacho huchakata wigo kamili wa mng'ao wa EMIT ili kupata viboreshaji vya methane kwenye pikseli zote kwenye eneo kwa pamoja. Inaunganisha kisimbaji cha kibadilishaji cha Swin‑v2‑S chenye avkodare ya ubadilishaji katika usanifu wa U‑Net-kama usanifu na hufanya kazi tatu kwa wakati mmoja: kutathmini uboreshaji wa methane kwa kila pikseli, kubainisha umbo na mipaka ya kila manyoya, na kuainisha chanzo cha kila chafu.

Mtindo huo ulifunzwa kwenye mabomba ya sintetiki milioni 3.6 yaliyotolewa kwa kutumia bomba la simulizi linalotegemea fizikia na kudungwa kwenye matukio halisi ya EMIT. Watafiti waligawa vigae 235,000 vya EMIT katika mafunzo, uthibitishaji, na seti za majaribio na wakafunza kielelezo kwenye chipsi 32 za Google TPU kwa takriban saa 96.

Kwenye viwango vya ulimwengu halisi, MAPL-EMIT ilinasa 84% ya michanganyiko ya mabomba ya NASA EMIT L2B iliyofafanuliwa kwa mkono kwenye seti ya majaribio ya chembechembe 1,084 za EMIT huku ikibainisha takriban mara 1.5 ya manyoya yanayosadikika kama wachambuzi wa kibinadamu.

Maelezo ya chanzo: unite.ai ↗

Kwa nini ni muhimu

Muundo wa AI una athari kubwa kwa ufuatiliaji na juhudi za kupunguza methane. Methane ni gesi chafu yenye nguvu yenye uwezo wa kuongeza joto mara 30 ya dioksidi kaboni katika kipindi cha miaka 100. Mfano huo unaweza kusaidia kutambua na kufuatilia utoaji wa methane kutoka vyanzo mbalimbali, ikiwa ni pamoja na dampo, kilimo na uzalishaji wa nishati. Taarifa hii inaweza kutumika kufahamisha maamuzi ya sera na mikakati ya kukabiliana ili kupunguza uzalishaji wa methane na kukabiliana na mabadiliko ya hali ya hewa.

Uwezo wa juu wa ongezeko la joto duniani wa Methane hufanya utambuzi sahihi kuwa muhimu kwa kukabiliana na hali ya hewa; mtindo huo unaboresha viwango vya ugunduzi wa manyoya kwa 50% ikilinganishwa na wataalam wa kibinadamu na kufichua maelfu ya vyanzo ambavyo havijarekodiwa hapo awali.

Kwa kubainisha uzalishaji kutoka kwa madampo ya taka, kilimo, na vifaa vya nishati, MAPL-EMIT hutoa data inayoweza kutekelezeka kwa wadhibiti na makampuni yanayolenga kufikia lengo la kupunguza 30% la Global Methane Pledge ifikapo 2030.

Azimio bora zaidi la anga la mtindo (mita 60) ikilinganishwa na bidhaa zilizopo za setilaiti huwezesha maelezo ya kiwango cha chanzo, kusaidia urekebishaji unaolengwa na kupunguza juhudi katika sekta zinazotoa moshi mwingi.

Interactive Mechanism

Mbinu shirikishi: Jinsi Inavyofanya Kazi Kweli

Chunguza teknolojia msingi nyuma ya ukuzaji huu kwa maingiliano.

Model Parameter Size:8B Parameters
VRAM Required5.5 GBGPU memory footprint
Target HardwareMacBook / Single GPUDeployment tier
Privacy100% Air-GappedLocal device capability
Core takeaway: Small, quantized models (3B–8B) now run directly inside smartphones and laptops with complete data privacy, while mammoth 400B+ models remain the domain of datacenter clusters.
Ukaguzi wa Dhana ya Kuingiliana+10 Points
What is AI? Quiz

A route planner searches possible journeys using explicit rules. What does this illustrate about AI?

Nini cha kutazama baadaye

Maendeleo ya siku za usoni na matumizi ya modeli ya MAPL-EMIT, ikijumuisha uwezekano wake wa kuunganishwa na ala zingine za satelaiti na matumizi yake katika tasnia mbalimbali. Uwezo wa modeli wa kutambua na kuhesabu mabomba ya methane unaweza kuwa na athari kubwa kwa sekta kama vile mafuta na gesi, kilimo na udhibiti wa taka.

Ujumuishaji wa matokeo ya MAPL-EMIT katika zana za umma za Injini ya Dunia na jinsi watunga sera na tasnia wanavyochukua data kwa ajili ya programu za kupunguza uzalishaji.

Upanuzi unaowezekana wa mbinu ya gesi chafuzi zingine na urejeshaji wa satelaiti nyingi kadri vielelezo vya kufikiria vya kizazi kijacho vya NASA vinapokuja mtandaoni.

Tathmini ya viwango chanya vya uwongo katika ardhi ya eneo tata na uboreshaji unaofuata ambao unaweza kuboresha kutegemewa kwa ufuatiliaji wa uendeshaji.

Miongozo & maswali yanayohusiana

AI ni nini?Mifano ya AI ImefafanuliwaMustakabali wa AIMafunzo ya AIJaribu unachojua - jaribu maswali ya AI bila malipoTafuta istilahi ya AI katika faharasa yetuFuata kifuatiliaji cha toleo la muundo wa AI
Je, umepata hii kuwa muhimu?