L'apprentissage automatique révèle les mystères de l'univers de manière surprenante

Les voyages, l'exploration et l'observation spatiales impliquent souvent une série d'opérations scientifiques et technologiques parmi les plus complexes et les plus dangereuses de l'histoire de l'humanité. Dans ces domaines, l’intelligence artificielle (IA) s’est révélée être un assistant puissant.

C'est pourquoi les astronautes, les scientifiques et autres personnes dont la mission est d'explorer et de documenter la frontière ultime se tournent activement vers l'apprentissage automatique (ML) pour les aider à résoudre les défis extraordinaires auxquels ils sont confrontés.

Du guidage de fusées dans l'espace à l'étude des surfaces de planètes lointaines, en passant par la mesure de la taille de l'univers et le calcul des trajectoires de mouvement des corps célestes, l'IA propose de nombreux scénarios d'application intéressants et passionnants dans l'espace.

Voyage spatial

Pendant le processus de décollage et d'atterrissage d'un vaisseau spatial, l'IA peut automatiser les opérations du moteur et gérer le déploiement réel de fonctions telles que le train d'atterrissage, optimisant ainsi la distribution et l'utilisation du carburant.

SpaceX a utilisé le système pilote d'IA pour parvenir à un fonctionnement autonome de son vaisseau spatial Falcon 9 et s'est amarré avec succès à la Station spatiale internationale (ISS) conformément au contrat de livraison de fret signé avec la NASA. Le système est capable de calculer la trajectoire d'une fusée dans l'espace, en tenant compte de la consommation de carburant, des perturbations atmosphériques et du « ballottement » du liquide à l'intérieur du moteur.

CIMON 2 est un robot conçu par Airbus, équivalent à l'assistant virtuel mobile Amazon Alexa à côté des astronautes. Construit à l'aide du système IBM Watson AI, il utilise un ventilateur interne pour se propulser vers l'avant et peut servir de base de données d'informations mains libres, d'ordinateur et de caméra. Il peut même évaluer l’humeur et l’état d’esprit des astronautes en analysant le niveau de stress de leur voix.

Les planificateurs de mission du Jet Propulsion Laboratory de la NASA utilisent l’IA pour modéliser et évaluer divers paramètres de mission afin de comprendre les résultats potentiels des différentes options et plans d’action. Ces expériences peuvent fournir des informations d’orientation pour les futures opérations de conception et d’ingénierie des engins spatiaux. Les données collectées peuvent également être utilisées pour planifier un certain nombre de futures missions hypothétiques, notamment des atterrissages sur Vénus et Europe, la lune glacée en orbite autour de Jupiter.

SpaceX utilise également des algorithmes d'IA pour garantir que ses satellites Starlink n'entrent pas en collision avec d'autres véhicules en orbite ou en transition dans l'espace. Leur système de navigation autonome peut détecter les dangers à proximité en temps réel et ajuster la vitesse et l'orbite du satellite pour prendre des mesures d'évitement.

L'Agence spatiale britannique a également développé des systèmes autonomes qui permettent à ses vaisseaux spatiaux et à ses satellites d'éviter les débris spatiaux grâce à des actions autonomes. D’ici 2025, l’Agence spatiale britannique prévoit de lancer sur cette base un vaisseau spatial autonome avec pour mission de capturer et de nettoyer les débris spatiaux. S’ils ne sont pas contrôlés de manière proactive, les débris spatiaux constitueront probablement une menace pour les futurs vols spatiaux.

Exploration planétaire

Les rovers martiens sont des robots dédiés à l'exploration de la surface de Mars. Nous pouvons analyser et apprendre des données qu'ils renvoient à la Terre. Grâce aux algorithmes d’apprentissage automatique, ces robots peuvent naviguer de manière autonome sur la surface martienne, évitant les fosses profondes et les parois abruptes qui pourraient endommager ou immobiliser leur matériel. Le rover Spirit précédemment envoyé sur Mars s'est retrouvé bloqué sur place lorsque ses roues se sont coincées dans un sol meuble. La NASA a finalement décidé d'abandonner les opérations de sauvetage et de contact en 2011. Grâce à la technologie d’apprentissage automatique, la NASA a réussi à éviter la perte accidentelle d’un autre rover.

Ces dernières années, le Jet Propulsion Laboratory de la NASA a utilisé des outils de reconnaissance d'images pour étudier les images prises par des robots au sol tels que les rovers martiens et classifier les caractéristiques du terrain. Ils ont même découvert un cratère à la surface de Mars de seulement quatre mètres de diamètre.

Le rover Perseverance est équipé d'un système de vision par ordinateur appelé AEGIS, capable de détecter et de classer différents types de roches trouvées à la surface de Mars, nous permettant d'en apprendre davantage sur la composition géologique de la planète rouge.

Vous pouvez même participer à la formation de l'algorithme d'IA utilisé par le rover martien chez vous. Le projet AI4Mars invite les utilisateurs à télécharger des outils pour améliorer le système de navigation autonome du rover Curiosity en marquant les caractéristiques du terrain sur leurs ordinateurs personnels.

Alors que la plupart des explorations de surface ont jusqu'à présent été réalisées avec des robots à roues, l'Agence spatiale européenne expérimente l'utilisation de robots « sauteurs ». Ces robots peuvent utiliser leurs jambes pour avancer et sauter. Les algorithmes d'IA coordonneront le mouvement et l'équilibre des membres du robot pour explorer des endroits auparavant inaccessibles sur la lune, tels que le plateau d'Aristarque, formé par un énorme cratère sur la lune.

Les gens ont commencé à utiliser l'IA pour détecter la surface lunaire et déterminer les meilleurs sites d'atterrissage pour les futures missions habitées. Cela aide également les astronautes à comprendre pleinement l'environnement dans lequel ils atterriront à l'avenir, et ils n'auront pas à faire face à des risques énormes comme la première génération d'atterrisseurs lunaires comme Armstrong.

Cartographie de l'Univers

Les astronomes utilisent l'IA pour identifier des modèles dans les amas d'étoiles dans des nébuleuses lointaines, combinés avec d'autres caractéristiques classifiées détectées dans l'espace lointain pour cartographier l'univers.

Prenons comme exemple le télescope Kepler de la NASA. Il peut déterminer si une planète passe entre l'étoile et la terre en analysant l'atténuation du rayonnement lumineux émis par l'étoile, puis déterminer l'emplacement possible de la planète.

L'IA est également utilisée pour prédire l'activité des étoiles et des galaxies, nous aidant ainsi à comprendre les emplacements potentiels d'événements cosmiques tels que les explosions de supernova.

En effectuant une analyse chronologique des ondes gravitationnelles générées lorsque ces objets mystérieux entrent en collision avec des étoiles à neutrons, les chercheurs ont détecté l'existence de dizaines de trous noirs.

La technologie de l'IA est également utilisée pour surveiller la Terre et l'univers entier. Le projet Autonomous Sciencecraft Experiment, qui a débuté ses activités en 2004, est connecté au satellite Earth Prediction 1, ce qui lui permet de classer automatiquement les images capturées par les caméras, puis de déterminer quelles images méritent le plus d'être dépensées pour transmettre la précieuse bande passante de retour sur Terre.

Le projet SETI@Home de l'Université de Californie à Berkeley utilise des algorithmes d'IA pour traiter de grandes quantités de données générées par des radiotélescopes, dans l'espoir de rechercher des signes d'intelligence extraterrestre dans l'espace. Bien que le projet ait cessé d'envoyer de nouvelles données aux volontaires pour inspection, il reste encore une grande quantité de données qui n'ont pas été analysées et récupérées, donc la vérité passionnante pourrait résider dans ce matériel !

L’IA a également été utilisée pour créer l’image la plus précise d’un trou noir à ce jour. Roger Penrose, Reinhard Genzel et Andrea Ghez ont remporté le prix Nobel 2020 pour avoir créé des images réalistes du trou noir supermassif au centre de la galaxie M87.

La portée des applications de l’IA va bien au-delà de cela. Les chercheurs espèrent désormais dépasser l’horizon des événements et utiliser la technologie de l’IA pour révéler ce qui se passe à l’intérieur d’un trou noir. Les travaux impliqueront également l'informatique quantique et devraient aider les physiciens à résoudre l'un des problèmes les plus centraux dans ce domaine : unifier la théorie de la relativité générale d'Einstein avec le modèle standard de la physique des particules.

Les gens espèrent même que l’IA pourra aider à mesurer l’univers et à mieux comprendre sa taille et sa forme. En utilisant un superordinateur IA pour étudier les données astronomiques du Japon, nous avons réussi à créer une carte des étoiles simulée qui correspond à l’existence connue de l’univers. Cela signifie que nous pouvons prédire les caractéristiques de l’univers et dépasser les limites actuelles de l’exploration qui sont entravées par la limite de la vitesse de la lumière (c’est-à-dire l’univers observable).

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!