Vue d’ensemble de los angeles reconstruction clairsemée à l’aide du modèle Senseiver. A, Flux de travail Senseiver Inventions pour le problème de détection clairsemée. Nous utilisons des valeurs de capteurs et des emplacements de requêtes précis qui sont rares sur le terrain et permettent une plus grande efficacité de calcul. Les valeurs du capteur sont traitées par un encodeur et los angeles représentation latente résultante avec les informations de requête est transmise au décodeur, qui estime le champ à un nouvel emplacement. Dans cet exemple, los angeles sortie est décodée dans une grille structurée. B, APERÇU DES APPLICATIONS DANS CE TRAVAIL. crédit: L’intelligence artificielle de los angeles nature (2023). est ce que je: 10.1038/s42256-023-00746-x
L’approche innovante de l’intelligence artificielle (IA) permet los angeles reconstruction d’un massive éventail de données, telles que los angeles température ambiante totale, à partir d’un petit nombre de capteurs déployables sur le terrain en utilisant une informatique « de pointe » à faible consommation, avec de nombreuses programs dans l’industrie, los angeles science. et los angeles médecine. .
“Nous avons développé un réseau neuronal qui nous permet de représenter un grand système de manière très compacte”, a déclaré Javier Santos, chercheur au Laboratoire nationwide de Los Alamos qui applique los angeles science informatique aux problèmes géophysiques.
« Cette compacité signifie qu’elle nécessite moins de ressources informatiques par rapport aux architectures de réseaux neuronaux convolutifs de pointe, ce qui los angeles rend bien adaptée au déploiement sur le terrain sur des drones, des réseaux de capteurs et d’autres programs informatiques de pointe qui rapprochent le calcul de son utilisation finale. .»
L. a. nouvelle approche de l’IA améliore l’efficacité informatique
Santos est le premier auteur d’un article publié par une équipe de chercheurs de Los Alamos L’intelligence artificielle de los angeles nature Sur los angeles nouvelle technologie d’intelligence artificielle, qu’ils ont baptisée Sensiver. Ce travail, basé sur un modèle d’IA appelé Perceiver IO développé par Google, applique des tactics de modélisation du langage naturel comme ChatGPT au problème de los angeles reconstruction d’informations sur une vaste zone, comme l’océan, à partir de relativement peu de mesures.
L’équipe s’est rendu compte que le modèle aurait une utility généralisée en raison de son efficacité. “Utiliser moins de paramètres et moins de mémoire nécessite moins de cycles CPU sur l’ordinateur, donc il fonctionne plus rapidement sur des ordinateurs plus petits”, a déclaré Dan O’Malley, co-auteur de l’étude et chercheur à Los Alamos qui applique l’apprentissage automatique aux problèmes géoscientifiques. .
Dans une première dans los angeles littérature publiée, Santos et ses collègues de Los Alamos ont validé le modèle en démontrant son efficacité sur des ensembles de données rares du monde réel, c’est-à-dire des informations provenant de capteurs qui ne couvrent qu’une petite partie de los angeles zone d’intérêt. et sur le complexe de données. Ensembles de données fluides 3-d.
Dans une démonstration de l’utilité réelle de Senseiver, l’équipe a appliqué le modèle à l’ensemble de données sur los angeles température de floor de los angeles mer de los angeles Nationwide Oceanic and Atmospheric Management. Le modèle a pu intégrer de nombreuses mesures prises au fil des décennies à partir de satellites et de capteurs embarqués sur des navires. À partir de ces mesures ponctuelles dispersées, le modèle prédit les températures sur l’ensemble de l’océan, fournissant ainsi des informations utiles aux modèles climatiques mondiaux.
Apporter l’IA aux drones et aux réseaux de capteurs
Senseiver est bien adapté à une variété de projets et de domaines de recherche intéressant Los Alamos.
“Los Alamos dispose d’un massive éventail de capacités de télédétection, mais il n’est pas facile d’utiliser l’intelligence artificielle automotive les modèles sont très volumineux et ne s’adaptent pas aux appareils existants sur le terrain, ce qui nous amène à l’informatique de pointe”, a déclaré Hari Viswanathan. Laboratoire de Los Alamos. Fellow, écologiste et co-auteur de l’article sur Senseiver. « Notre travail apporte les avantages de l’IA aux drones, aux réseaux de capteurs de terrain et à d’autres programs qui échappent actuellement au champ d’utility de los angeles technologie d’IA de pointe. »
Le modèle d’IA sera particulièrement utile dans les travaux du laboratoire d’id et de caractérisation des puits orphelins. Le laboratoire dirige le Consortium for Complicated Era Overview of Misplaced Oil and Fuel Wells (CATALOG), un programme fédéral chargé d’identifier et de caractériser les puits orphelins non documentés et de mesurer leurs émissions de méthane. Viswanathan est le scientifique foremost de CATALOG.
Cette approche offre des capacités améliorées pour des programs pratiques de grande envergure telles que les voitures autonomes, los angeles modélisation à distance d’actifs pétroliers et gaziers, los angeles surveillance médicale des sufferers, les jeux dans le cloud, los angeles diffusion de contenu et le suivi des polluants.
Plus d’data:
Javier E. Santos et al., Développement d’un capteur pour une reconstruction efficace du champ à partir d’observations clairsemées, L’intelligence artificielle de los angeles nature (2023). est ce que je: 10.1038/s42256-023-00746-x
Fourni par le Laboratoire nationwide de Los Alamos
los angeles quotation: Une nouvelle approche utilisant des modèles de langage naturel débloque les programs d’IA pour l’Edge Computing (13 novembre 2023) Récupéré le 13 novembre 2023 sur
Ce report est soumis au droit d’auteur. Nonobstant toute utilisation équitable à des fins d’étude ou de recherche privée, aucune partie ne peut être reproduite sans autorisation écrite. Le contenu est fourni à titre informatif uniquement.