FDL รับสมัครทีมนักวิจัยและผู้เชี่ยวชาญ AI เพื่อการสำรวจโลกและอวกาศ

เรากำลังสร้างความร่วมมือที่เพิ่มขึ้นของ FDL กับ Luxembourg Space Agency (LSA) เพื่อสนับสนุนเป้าหมายการสำรวจดวงจันทร์ที่มีความทะเยอทะยานในทศวรรษนี้ Physics-Informed Neural Nets (PINN) สามารถแทนที่วิธีการดั้งเดิมในแผนที่ดวงจันทร์เพื่อรองรับการสำรวจสำรวจและการปฏิบัติงานของมนุษย์ที่ขั้วดวงจันทร์ได้หรือไม่

เป็นครั้งแรกในรอบครึ่งศตวรรษ ที่นักอวกาศจะอาศัยและทำงานเป็นเวลานานในห้วงอวกาศ ไม่ว่าจะบนเกตเวย์ ภารกิจโครงการอาร์ติมิสสู่ดวงจันทร์ หรือบางทีในช่วงทศวรรษ ค.ศ.2030
ที่ดาวอังคาร เราเรียนรู้ว่าสภาพไร้แรงโน้มถ่วงและการแผ่รังสีจาก
ดวงอาทิตย์และจักรวาลที่ขยายตัวเพิ่มขึ้น ส่งผลทำให้เกิดความท้าทายมากมายในการปฏิบัติภารกิจระยะยาว เทคนิค ML เช่น การทำนายผลเชิงสาเหตุ สามารถปลดล็อกเครื่องมืออันทรงพลังเพื่อปลดล็อกการแทรกแซงในระดับโมเลกุลได้หรือไม่

การค้นหาส่วนผสมสำหรับสิ่งมีชีวิตนอกโลก บางครั้งเรียกว่า ลายเซ็นชีวภาพ เป็นงานที่เหมาะสมกับ ML ไม่ว่าจะเป็นการสแกนผ่านคลังข้อมูลขนาดใหญ่หรือลดความซับซ้อนของขั้นตอนการทำงานที่หนักหน่วง ML สามารถช่วยพัฒนาคำจำกัดความของ ชีวิตให้ดีขึ้นเพื่อรองรับการสำรวจ โดยใช้ Rover หรือการสำรวจบนท้องฟ้าขนาดใหญ่ได้หรือไม่

เนื่องจากโปรเซสเซอร์ที่เปิดใช้งาน Machine Learning (ML)
มีประสิทธิภาพด้านพลังงานและทนต่อรังสีได้มากขึ้น จึงเปิดโอกาส
ให้ระบบในอวกาศยานยุคใหม่ มีความฉลาดและเป็นอิสระในการตัดสินใจมากขึ้น ประจักษ์แก่สายตาเราเมื่อไม่นานมานี้
ด้วย PIPE LINE ที่มีชื่อว่า TRN (Terrain Relative Navigation) ทำงานบนภารกิจ Perseverance ของ NASA JPL เราสามารถใช้ ML เพื่อพัฒนากลุ่มดาวเทียมอัจฉริยะ เพื่อการตอบสนองต่อภัยพิบัติ
จัดการดาวเคราะห์ หรือการสำรวจอวกาศที่มีประสิทธิภาพมากขึ้น

การปรับโครงสร้างพื้นฐานที่สำคัญของอารยธรรมของเราให้เข้ากับสภาพอากาศที่ร้อนขึ้นอย่างรวดเร็ว ย่อมต้องอยู่ในอันดับต้น ๆ
ของรายการ สิ่งที่ต้องทำของสายพันธุ์ของเราในทศวรรษต่อ ๆ ไปอย่างหลีกเลี่ยงไม่ได้ ML สามารถช่วยตรวจสอบข้อมูลทางธรณีกลศาสตร์เพื่อพิสูจน์กริดพลังงานของเราในอนาคตหรือให้ข้อมูลเชิงลึกเกี่ยวกับกลยุทธ์ ในการกักเก็บคาร์บอนได้หรือไม่ ML สามารถปรับปรุงการตัดสินใจของเราในการสร้างและจัดการระบบสาธารณูปโภคในอนาคตได้หรือไม่

FDL ได้แสดงให้เห็นแล้วว่า Machine Learning (ML) สามารถสนับสนุนการตอบสนองต่อภัยพิบัติได้อย่างไร ตั้งแต่การทำแผนที่น้ำท่วมอย่างรวดเร็วและการเตือนน้ำท่วม ไปจนถึงการจุดไฟป่า
การพยากรณ์การแพร่กระจายของไฟ และอัตราการวาบฟ้าผ่า อย่างไรก็ตาม ยังมีงานอีกมากที่จะเปิดใช้งานระบบปฏิบัติการและระบบที่เชื่อถือได้ ML สามารถสนับสนุนการตอบสนองต่อภัยพิบัติได้ดีขึ้นตั้งแต่การวางแผนความยืดหยุ่นไปจนถึงข้อมูลเชิงลึกที่ทันท่วงทีและการกู้คืนหลังเกิดภัยพิบัติหรือไม่

Machine Learning (ML) ได้พิสูจน์ให้เห็นถึงเครื่องมืออันทรงพลังสำหรับการช่วยเหลือในการค้นพบและได้พิสูจน์แล้วว่าเป็นเครื่องมือ
ที่ทรงพลังในการค้นคว้า ยาและวิศวกรรม เราสามารถใช้เทคนิคต่างๆ
เช่น Natural Language Processing (NLP) หรือการประมวลผลภาษาธรรมชาติ การเรียนรู้การเสริมแรง (RL) และอัลกอริทึมการคัดเลือกทางพันธุกรรม เพื่อเร่งการพัฒนาและการจัดการแก้ปัญหาทางด้านพลังงานที่ไม่มีการปล่อยมลพิษได้หรือไม่

ในช่วงทศวรรษที่ผ่านมา เทคโนโลยี Earth Observation (EO)
มีการปฏิวัติอย่างเงียบ ๆ โดยขณะนี้กลุ่มดาวบริวารที่โคจรรอบโลกได้ให้มุมมองประจำวันของดาวเคราะห์ของเรา จากจุดชมวิวหลายจุดและเครื่องมือวัดที่หลากหลาย เราสามารถจับคู่ข้อมูลจำนวนมากกับ Machine Learning (ML) เพื่อค้นหาโอกาสใหม่ที่น่าตื่นเต้นสำหรับการทำความเข้าใจกระบวนการเชิงสาเหตุพื้นฐานโลกของเรา
ตั้งแต่ปฏิสัมพันธ์ในชั้นบรรยากาศ ไปจนถึงอุทกวิทยา ไปจนถึงต้นกำเนิดของภัยแล้งและตัวชี้วัดอื่นๆ ที่เกี่ยวกับสุขภาพระบบนิเวศ
ของโลกที่สำคัญ

Earth System Predictability (ESP) ได้กลายเป็น ภาพพระจันทร์เต็มดวง ที่สำคัญสำหรับวิทยาศาสตร์การจำลองและคอมพิวเตอร์ประสิทธิภาพสูง (HPC) FDL ได้ดำเนินขั้นตอนเล็กๆ ไปสู่วิสัยทัศน์นี้ ซึ่งแสดงให้เห็นศักยภาพของ Machine Learning (ML)
ในการเลียนแบบ แบบจำลองเชิงประจักษ์ ที่มีประสิทธิภาพมากขึ้น ซึ่งมักจะบรรลุถึงความเท่าเทียมกันของ HPC ด้วยพลังเพียงเศษเสี้ยว ML สามารถผลักดันความล้ำสมัยในการสร้างแฝดดิจิตอลของระบบดาวเคราะห์ของเรา การจับคู่แบบเรียลไทม์ที่เรียกว่า Live Twin ได้หรือไม่

ดาวฤกษ์ในพื้นที่ของเรายังคงเป็นอิทธิพลที่ยิ่งใหญ่ที่สุดบนโลกของเรา และพฤติกรรมของมันคือตัวแปรที่ไม่รู้จักที่สำคัญที่สุดสำหรับการสำรวจอวกาศลึกและความสามารถในการอยู่อาศัย FDL ได้สร้างกลุ่มผลิตภัณฑ์ไปป์ไลน์ ML จำนวนมาก ตั้งแต่การคาดการณ์การลากจากอุณหภูมิความร้อนไปจนถึงจุดดาวบนดาวที่อยู่ห่างไกล เราสามารถใช้ ML เพื่อทำความเข้าใจและคาดการณ์อิทธิพลของดวงอาทิตย์ที่มีต่อสภาพอากาศได้ดีขึ้น และทำให้การสำรวจห้วงอวกาศปลอดภัยยิ่งขึ้นได้หรือไม่