نقشه‌برداری جهانی از انتشار متان از فضا با استفاده از یادگیری عمیق
گوگل ریسرچ از مدل هوش مصنوعی جدیدی به نام MAPL-EMIT پرده برداشته است که با استفاده از یادگیری عمیق، داده‌های ماهواره‌ای را به اطلاعات کاربردی برای ردیابی و کاهش انتشار گاز متان در سراسر جهان تبدیل می‌کند. این فناوری به شناسایی منابع انتشار گازهای گلخانه‌ای در بخش‌های انرژی و کشاورزی کمک شایانی می‌کند.
متان یکی از قوی‌ترین گازهای گلخانه‌ای است که پتانسیل گرمایش آن در بازه صد ساله بسیار بیشتر از دی‌اکسید کربن بوده و سهم قابل توجهی در گرمایش زمین داشته است. کاهش سریع این انتشار به عنوان یک راهکار کلیدی برای مهار افزایش دمای جهانی شناخته می‌شود و کشورهای زیادی متعهد به کاهش آن شده‌اند.
برای ردیابی این انتشار در مقیاس جهانی، دانشمندان به داده‌های ماهواره‌ای از جمله ابزار EMIT ناسا متکی هستند. محققان گوگل ریسرچ با ترکیب این داده‌ها با مدل یادگیری عمیق جدیدی به نام MAPL-EMIT، توانسته‌اند فرآیند تشخیص و تخمین منابع انتشار متان را به صورت خودکار درآورند. این مدل با استفاده از معماری بینایی ماشین مبتنی بر ترانسفورمر، قادر است پرتوهای متان را حتی در محیط‌های پیچیده صنعتی تشخیص دهد.
آموزش این مدل با استفاده از شبیه‌سازی‌های مبتنی بر فیزیک صورت گرفته است تا خطاهای ناشی از شباهت‌های محیطی کاهش یابد. پایگاه داده جهانی این پلتفرم اکنون در دسترس جامعه علمی قرار گرفته است تا به دولت‌ها و سازمان‌ها در دستیابی به اهداف اقلیمی کمک کند.
گزارش فارسی این خبر با کمک هوش مصنوعی و فقط بر اساس اطلاعات منتشرشده در منبع تهیه شده است.