Die Teilnehmer des NASA Frontier Development Laboratory-Programms präsentierten am 17. August Projekte zur Nutzung des maschinellen Lernens im Weltraum. Insbesondere zeigten die Teams künstliche Intelligenzsysteme zur Bestimmung der Umlaufbahnen potenziell gefährlicher Kometen und zur Verbesserung der Karten der Mondoberfläche. IEEE Spectrum spricht darüber.
Unternehmen wie Facebook oder Google verwenden maschinelles Lernen, um Text zu übersetzen oder Personen auf Fotos zu erkennen. Maschinelles Lernen wird jedoch nicht nur in benutzerdefinierten Produkten verwendet, sondern auch zur Lösung wissenschaftlicher Probleme. Mit Hilfe des Frontier Development Laboratory-Programms, das zum zweiten Mal organisiert wird, untersucht die NASA die Möglichkeiten künstlicher Intelligenzalgorithmen für die Weltraumforschung. Jeden Sommer bringt die Agentur kleine Gruppen von Forschern zusammen, um wichtige Probleme der Weltraumforschung anzugehen.
Insgesamt arbeiten die Teams an fünf Projekten: Schutz des Planeten vor langperiodischen Kometen, Identifizierung von Mondkratern, Erstellung dreidimensionaler Modelle erdnaher Asteroiden, Untersuchung der Auswirkungen der Heliosphäre und des Weltraumwetters auf die Erdatmosphäre und Magnetosphäre sowie Ermittlung der Ursachen für Sonneneruptionen und koronale Massenauswürfe. Auf der Wrap-Up-Konferenz in Santa Clara, die am vergangenen Donnerstag stattfand, präsentierten Wissenschaftler die ersten Ergebnisse.
IEEE Spectrum sprach über die Ergebnisse der Arbeit der beiden Teams. Das erste Forscherteam verwendete Daten aus der CAMS-Umfrage (Cameras for Allsky Meteor Surveillance), um anhand von Meteorschauern vorherzusagen, wann der nächste langperiodische Komet in der Nähe der Erde fliegen wird. Im Rahmen von CAMS beobachten 60 an drei Stationen installierte Videokameras den Himmel auf der Suche nach schwachen Meteoren. Sie finden Meteoritenschauer und versuchen, sie mit kürzlich entdeckten Kometen zu korrelieren, die diese Trümmer hinterlassen haben könnten. Ein Team von Wissenschaftlern des Frontier Development Laboratory hat ein neuronales Netzwerk entwickelt, das sich schnell bewegende Meteore von Wolken, Glühwürmchen und Flugzeugen (normalerweise von Hand) unterscheidet und die Bilder dann zeitlich gruppiert. Somit findet der Algorithmus bisher unbekannte Meteorschauer.
In 90 Prozent der Fälle stimmten die Vorhersagen des neuronalen Netzwerks, die zwei Monate lang getestet wurden, mit der Klassifizierung von Objekten durch Menschen überein. In einem Pilotprojekt analysierte das Team etwa eine Million Meteore. Einige Experten standen dem Projekt jedoch skeptisch gegenüber: Insbesondere forderten sie den Nachweis, dass Meteorschauer kein Rauschen in den Daten sind und dass sie Überreste von Kometen und keine Asteroiden oder andere Quellen sind. Einer der Macher des Projekts, Marcelo de Cicco vom brasilianischen Nationalen Institut für Metrologie, stimmte zu, dass das neuronale Netzwerk noch verbessert werden muss.
Die Autoren des zweiten Projekts arbeiteten mit Daten der interplanetaren Station Lunar Reconnaisance Orbiter (LRO), um eine detailliertere Karte der Mondoberfläche zu erstellen. Die Wissenschaftler verwendeten zunächst Informationen des Lunar Orbiter Laser Altimeter (LOLA), um eine digitale Höhenkarte des Satelliten zu erstellen. Es hatte jedoch einen Nachteil - es enthielt Artefakte. Jedes Mal, wenn die LRO den Mond umkreist, weicht sie geringfügig von ihrer idealen Umlaufbahn ab. Aus diesem Grund sind die Messungen ungenau und Steine und Risse treten dort auf, wo sie nicht sind.
Um dieses Problem zu lösen, haben die Forscher die Karte mit Bildern der Narrow Angle Camera (NAC) abgeglichen, die das von der Mondoberfläche reflektierte Sonnenlicht aufzeichnet. Mithilfe eines Algorithmus für maschinelles Lernen entfernte das Team die Artefakte und erstellte eine genauere Karte des Erdsatelliten. Wissenschaftler haben auch ein künstliches Intelligenzsystem gelehrt, um Krater von Schatten und ähnlichen Objekten zu unterscheiden. Die Genauigkeit des Programms betrug 98 Prozent.
Astronomen haben in den letzten Jahren zunehmend neuronale Netze in ihrer Arbeit verwendet. Beispielsweise helfen Computeralgorithmen Wissenschaftlern bereits dabei, die Zusammensetzung der Atmosphäre von Exoplaneten zu bestimmen und die Bewegung von Sternen in der Galaxie zu verfolgen.
Werbevideo:
Christina Ulasovich
