Tag: NASA

流星雨照亮夜空的景象令人惊叹。然而，更大的天体与地球相撞的威胁构成了实际的危险。为了对抗这种潜在的灾难，加利福尼亚大学圣塔芭芭拉分校（UCSB）物理学教授菲利普·卢宾和他的本科生团队正在开展开创性的PI-Terminal行星防御计划。他们的目标是更有效地检测和减轻空间威胁，并且他们最近获得了NASA的二期资金用于研究。NVIDIA通过他们的应用研究加速器计划向该团队提供了一张NVIDIA RTX A6000图形卡，以帮助他们完成任务。让我们深入了解这个旨在保护我们的星球免受宇宙威胁的创新人工智能项目的细节。 另请阅读：外星人启发的航天器设计：NASA进军太空未来的大胆跃进 粉碎空间威胁 PI-Terminal行星防御计划的核心目标是更早地检测到相关威胁并采取果断行动来最小化其影响。面对即将发生的碰撞，UCSB团队计划利用一系列高超速动能穿透器。这些专门设计的设备旨在粉碎和解体小行星或小彗星，有效地消除威胁，使其在到达地球表面之前消失。通过分解这些天体，可以大大减少潜在的损害和对地球生命的风险。 检测即将来临的灾难 识别威胁是保护地球的第一个至关重要的步骤。卢宾和他的学生们利用人工智能（AI）分析了大量的天体物理数据。虽然现代调查收集了大量数据，但在所需的速度下处理和分析这些信息是具有挑战性的。为了克服这一障碍，UCSB团队正在设计适用于行星防御的大规模调查。这项调查将产生更多的数据，需要快速处理和分析。 训练AI哨兵 卢宾的团队使用机器学习技术训练了一个名为“You Only Look Once Darknet”的神经网络。这个几乎实时的物体检测系统每张图像的操作时间少于25毫秒。通过利用一个大型的标记图像数据集，神经网络已经被训练来识别低级几何特征，例如线条、边缘、圆圈以及像小行星和小彗星这样的威胁。早期结果表明，由AI驱动的源提取过程比传统方法快10倍，准确率几乎提高了3倍。 另请阅读：AI发现了太阳系外的新行星，科学家未能找到 超级加速处理速度 为了加速他们的图像分析过程，UCSB团队已经整合了NVIDIA RTX A6000 GPU和CUDA并行计算平台。团队最初面临的挑战是减少处理时间并满足GPU内存需求。然而，由于RTX A6000拥有48GB的内存，他们可以处理复杂的图形和大型数据集，而不会影响性能。通过实施新的基于CuPy的算法，该团队极大地减少了减法和识别时间，使整个流程可以在仅六秒钟内运行。 解决技术挑战 随着项目的发展和越来越多的训练数据，该团队面临着处理越来越大的文件大小的挑战。RTX A6000慷慨的内存容量使该团队能够处理分辨率约为100百万像素的图像数据集。这个强大的GPU消除了数据传输瓶颈，确保了平稳的处理和分析。 逼真的模拟以获得精确的解决方案…