人工智能的新转折充分利用稀疏的传感器数据

人工智能（AI）的创新方法能够构建广泛的数据领域，如整体位置和温度，从大量现场部署的传感器到低功耗的“边缘”计算，在工业、科学和医学中具有广泛的应用

“我们开发了一个允许用户以紧凑的方式展示大型系统的神经网络，”LosAlamos国家实验室的研究人员JavierSantos说，他将计算科学应用于地球物理问题“这种紧凑意味着与最先进的卷积神经网络架构相比，它需要更少的程序源，这使得它非常适合无人机、传感器阵列和边缘计算应用程序的现场部署，使计算接近其最终用途。”

新颖的AI方法提高了计算效率

桑托斯是洛斯阿拉莫斯研究小组在NatureMachineIntelligence上发表的第一位论文作者，他们称之为Senseiver这项工作建立在谷歌开发的一个名为PerceiverIO的人工智能模型上，将ChatGPT等自然语言管理模型的技术应用于从相对较新的测量结果中构建海洋等海域信息的问题

团队意识到，由于效率低，该模型的应用范围会更广“使用更大的参数和更少的内存只需要在计算机上进行更少的集中处理，因此在更大的计算机上运行主机，”应用机器学习地球科学问题的研究人员和LosAlamos研究人员的作者DanO'Malley说

在已发表的文献中，Santo和他的LosAlamoscollectagues首次通过在三维流体的复杂数据集和仅覆盖感兴趣领域的一部分的传感器中证明其有效性来验证该模型

为了证明传感器的实际世界利用率，该公司将该模型应用于国家海洋和大气管理局的表面温度数据集该模型能够整合卫星和传感器在11月底进行的多项测量研究根据这些稀疏点的测量，该模型预测了整个海洋的温度，这为全球气候模型提供了有用的信息

将AI带到ronesandsensornetworks

Senseiver非常适合LosAlamos感兴趣的各种项目和研究区域

LosAlamos国家实验室研究员、环境科学家、传感器论文合著者HariViswanathan说：“LosAlamos具有广泛的遥感能力，但它不是所有的AI，因为这些模型是可靠的，不适合该领域的设备，这导致了我们的数据计算。”“我们的工作带来了AI技术的优势，基于现场的传感器网络和治疗应用程序目前已经超越了AI技术。”

AI模型将在实验室的工作中特别重要，以识别和表征形态居住该实验室领导了能源部资助的联合技术进步评估研究所；气井（CATALOG），一个额外的程序任务，包括定位和描述未记录的气井，并测量是否存在泄漏维斯瓦纳是CATALOG的首席科学家

该方法为大型实际应用提供了改进的能力，如驾驶汽车、远程建模、患者医疗监控、云游戏、内容交付和污染追踪

来源:

Materials provided by
DOE/Los Alamos National Laboratory.
注明: Content may be edited for style and length.

参考:

1. Javier E. Santos, Zachary R. Fox, Arvind Mohan, Daniel O’Malley, Hari Viswanathan, Nicholas Lubbers.
   Development of the Senseiver for efficient field reconstruction from sparse observations. Nature Machine Intelligence, 2023; DOI: 10.1038/s42256-023-00746-x

---