Filter by دسته‌ها
chatGTP
ابزارهای هوش مصنوعی
اخبار
گزارش خبری
پرامپت‌ نویسی
تیتر یک
چندرسانه ای
آموزش علوم داده
اینفوگرافیک
پادکست
ویدیو
دانش روز
آموزش‌های پایه‌ای هوش مصنوعی
اصول هوش مصنوعی
یادگیری بدون نظارت
یادگیری تقویتی
یادگیری عمیق
یادگیری نیمه نظارتی
آموزش‌های پیشرفته هوش مصنوعی
بینایی ماشین
پردازش زبان طبیعی
پردازش گفتار
چالش‌های عملیاتی
داده کاوی و بیگ دیتا
رایانش ابری و HPC
سیستم‌‌های امبدد
علوم شناختی
خطرات هوش مصنوعی
دیتاست
مدل‌های بنیادی
رویدادها
جیتکس
کاربردهای هوش مصنوعی
کتابخانه
اشخاص
شرکت‌های هوش مصنوعی
محصولات و مدل‌های هوش مصنوعی
مفاهیم
کسب‌و‌کار
تحلیل بازارهای هوش مصنوعی
کارآفرینی
هوش مصنوعی در ایران
هوش مصنوعی در جهان
مقاله
پیاده‌سازی هوش مصنوعی
گزارش
مصاحبه
هوش مصنوعی در عمل
 هوش مصنوعی جلوی «کور شدن» تلسکوپ جیمز وب را گرفت!

هوش مصنوعی جلوی «کور شدن» تلسکوپ جیمز وب را گرفت!

زمان مطالعه: 2 دقیقه

تلسکوپ ۱۰ میلیارد دلاری جیمز وب (JWST) به دلیل یک نقص الکترونیکی نامحسوس دچار تاری تصویر شده بود. اما دو دانشجوی استرالیایی با ساخت یک نرم‌افزار مجهز به هوش مصنوعی به نام AMIGO، این مشکل را از زمین و بدون نیاز به مأموریت فضایی حل کردند، و وضوح تلسکوپ را به بالاترین حد خود بازگرداندند.

تلسکوپ فضایی جیمز وب ناسا (JWST)، که به عنوان پیشرفته‌ترین چشم بشر در کیهان شناخته می‌شود، پس از پرتاب با یک نقص پنهان مواجه شد، مشکلات فنی باعث شده بود تصاویر آن، هرچند اندک، دچار تاری شوند؛ نقصی که یادآور «دید تار» معروف تلسکوپ هابل بود و نیاز به تعمیرات پرهزینه فضایی داشت. اما به جای فرستادن فضانوردان، این بار دو دانشجوی دکترای استرالیایی با کمک یک نرم‌افزار مبتنی بر هوش مصنوعی به نام AMIGO، این مشکل را در کمال ناباوری، از روی زمین و تنها با چند خط کد حل کردند و قدرت کامل این رصدخانه ۱۰ میلیارد دلاری را به آن بازگرداندند.

مشکل تلسکوپ جیمز وب در ابزاری به نام AMI (تداخل‌سنج پوششی دهانه) رخ داد. دانشمندان متوجه شدند که یک پدیده الکتریکی به نام «اثر روشن‌تر-چاق‌تر» باعث نشت بار الکتریکی به پیکسل‌های مجاور شده و تصاویر را تار می‌کرد. اتلسکوپ هابل در دهه ۹۰ با مشکلی مواجه شد که برای حل آن، ناسا مجبور به اعزام فضانوردان و صرف هزینه‌های سرسام‌آور شد.

به جای تکرار مأموریت‌های گران‌قیمت، لوئیس دِسدوات و مکس چارلز از دانشگاه سیدنی، راه‌حلی کاملاً نرم‌افزاری را توسعه دادند.

هوش مصنوعی در فضا؛ ابزار آن‌ها، AMIGO، با استفاده از شبکه‌های عصبی و شبیه‌سازی‌های پیشرفته، رفتار الکترونیک تلسکوپ را در فضا بازتولید کرد.

اصلاح با کد، AMIGO توانست نقص را دقیقاً شناسایی کرده و الگوریتم‌هایی را برای حذف اعوجاج و بازگرداندن دقت ابزار به اوج، ارائه دهد.

پروفسور پیتر توتهیل، یکی از ناظران این پروژه، تأکید کرد: «به جای فرستادن فضانوردان برای پیچ کردن قطعات جدید، آن‌ها توانستند همه چیز را با کد اصلاح کنند.»

این اصلاح هوشمندانه، نتایج فوری و تماشایی به همراه داشت. JWST اکنون با وضوحی تیزبین‌تر از همیشه به کشفیات خود ادامه می‌دهد:

تصویربرداری مستقیم؛ تلسکوپ توانست مستقیماً از یک سیاره فراخورشیدی کم‌نور و یک کوتوله قهوه‌ای-قرمز در فاصله ۱۳۳ سال نوری تصویربرداری کند.

جزئیات کیهانی؛ همچنین تصاویر با وضوح بسیار بالا از جریان‌های سیاهچاله و سطح آتشفشانی قمر آیو مشتری به ثبت رسانده است که مرزهای قابلیت‌های JWST را جابجا می‌کند.

این پروژه یک مثال درخشان از نفوذ هوش مصنوعی در علم فضایی است؛ دانشجویان به قدری به کار خود افتخار می‌کردند که تتوهایی از قطعات تلسکوپی که تعمیر کردند، بر بدن خود زدند.

میانگین امتیاز / 5. تعداد ارا :

مطالب پیشنهادی مرتبط

اشتراک در
اطلاع از
0 نظرات
بازخورد (Feedback) های اینلاین
مشاهده همه دیدگاه ها

در جریان مهم‌ترین اتفاقات AI بمانید

هر هفته، خلاصه‌ای از اخبار، تحلیل‌ها و رویدادهای هوش مصنوعی را در ایمیل‌تان دریافت کنید.

[wpforms id="48325"]