Dans le domaine de l’intelligence artificielle (IA), une nouvelle méthode prometteuse permet de reconstruire un large champ de données, comme la température globale des océans, à partir d’un petit nombre de capteurs déployables sur le terrain en utilisant une informatique « edge » à faible puissance. Cette approche a des applications potentielles dans de nombreux secteurs, tels que l’industrie, la science et la médecine.
Une approche innovante de l’IA
« Nous avons développé un réseau neuronal qui nous permet de représenter un grand système de manière très compacte », a indiqué Javier Santos, chercheur au Laboratoire National de Los Alamos qui applique la science computationnelle aux problèmes géophysiques. « Cette compacité signifie qu’il nécessite moins de ressources informatiques par rapport aux architectures de réseaux neuronaux convolutionnels de pointe, ce qui le rend bien adapté au déploiement sur le terrain sur des drones, des réseaux de capteurs et d’autres applications d’informatique de bord qui rapprochent le calcul de son utilisation finale. »
Amélioration de l’efficacité informatique grâce à l’IA
Ce chercheur, l’auteur principal d’un article publié dans Nature Machine Intelligence sur cette nouvelle technique d’IA, qu’ils ont baptisée Senseiver. Ce travail, qui s’appuie sur un modèle d’IA appelé Perceiver IO développé par Google, applique les techniques de modèles de langage naturel tels que ChatGPT au problème de la reconstruction d’informations sur une large zone – comme l’océan – à partir de relativement peu de mesures.
L’équipe a réalisé que le modèle aurait une large application en raison de son efficacité. « Utiliser moins de paramètres et moins de mémoire nécessite moins de cycles d’unité centrale de traitement sur l’ordinateur, donc il fonctionne plus rapidement sur des ordinateurs plus petits », a indiqué Dan O’Malley, coauteur de l’article et chercheur à Los Alamos qui applique l’apprentissage automatique aux problèmes de géoscience.
Application du Senseiver à des données réelles
Javier Santos et ses collègues ont validé le modèle en démontrant son efficacité sur des ensembles de données réelles et rares – c’est-à-dire des informations provenant de capteurs qui ne couvrent qu’une infime partie du champ d’intérêt – et sur des ensembles de données complexes de fluides tridimensionnels.
Dans une démonstration de l’utilité réelle du Senseiver, l’équipe a appliqué le modèle à un ensemble de données de température de surface de la mer de la National Oceanic and Atmospheric Administration. Le modèle a pu intégrer une multitude de mesures prises sur des décennies à partir de satellites et de capteurs sur des navires. À partir de ces mesures ponctuelles rares, le modèle a prévu les températures sur l’ensemble du corps de l’océan, ce qui fournit des informations utiles aux modèles climatiques mondiaux.
Apporter l’IA aux drones et aux réseaux de capteurs
Le Senseiver est bien adapté à une variété de projets et de domaines de recherche d’intérêt pour Los Alamos. « Los Alamos dispose d’une large gamme de capacités de télédétection, mais il n’est pas facile d’utiliser l’IA parce que les modèles sont trop grands et ne rentrent pas sur les appareils sur le terrain, ce qui nous amène à l’informatique de bord », a ajouté Hari Viswanathan, chercheur au Laboratoire National de Los Alamos. « Notre travail apporte les avantages de l’IA aux drones, aux réseaux de capteurs sur le terrain et à d’autres applications actuellement hors de portée de la technologie d’IA de pointe. »
Le modèle d’IA sera particulièrement utile dans le travail du laboratoire pour identifier et caractériser les puits orphelins. Le laboratoire dirige le Consortium Advancing Technology for Assessment of Lost Oil & Gas Wells (CATALOG), un programme fédéral financé par le Département de l’Énergie et chargé de localiser et de caractériser les puits orphelins non documentés et de mesurer leurs émissions de méthane.
En synthèse
Cette approche offre des capacités améliorées pour de grandes applications pratiques telles que les voitures autonomes, la modélisation à distance des actifs dans le pétrole et le gaz, la surveillance médicale des patients, le jeu en nuage, la livraison de contenu et la traçabilité des contaminants.
Newsletter Enerzine
Recevez les meilleurs articles
Énergie, environnement, innovation, science : l’essentiel directement dans votre boîte mail.
Pour une meilleure compréhension
Qu’est-ce que le Senseiver ?
Le Senseiver est une nouvelle technique d’intelligence artificielle développée par une équipe de chercheurs de Los Alamos. Il s’agit d’un réseau neuronal qui permet de représenter un grand système de manière très compacte, ce qui le rend bien adapté au déploiement sur le terrain sur des drones, des réseaux de capteurs et d’autres applications d’informatique de bord.
Quels sont les avantages du Senseiver ?
Le Senseiver est efficace et nécessite moins de ressources informatiques par rapport aux architectures de réseaux neuronaux convolutionnels de pointe. Il fonctionne plus rapidement sur des ordinateurs plus petits et est capable de reconstruire des informations sur une large zone à partir de relativement peu de mesures.
Comment le Senseiver a-t-il été validé ?
Le Senseiver a été validé en démontrant son efficacité sur des ensembles de données réelles et rares, ainsi que sur des ensembles de données complexes de fluides tridimensionnels.
Quelles sont les applications potentielles du Senseiver ?
Le Senseiver a une large gamme d’applications, notamment dans les drones, les réseaux de capteurs sur le terrain, la modélisation à distance des actifs dans le pétrole et le gaz, la surveillance médicale des patients, le jeu en nuage, la livraison de contenu et la traçabilité des contaminants.
Quel est le rôle du Laboratoire National de Los Alamos dans Senseiver ?
Le Laboratoire National de Los Alamos a joué un rôle clé dans le développement du Senseiver. L’équipe de chercheurs de Los Alamos a publié un article sur cette nouvelle technique d’IA dans Nature Machine Intelligence. De plus, le laboratoire utilise le Senseiver dans son travail pour identifier et caractériser les puits orphelins.
Principaux enseignements
| Enseignements |
|---|
| Le Senseiver est une nouvelle technique d’IA développée par une équipe de chercheurs de Los Alamos. |
| Le Senseiver est un réseau neuronal qui permet de représenter un grand système de manière très compacte. |
| Le Senseiver a été validé en démontrant son efficacité sur des ensembles de données réelles et rares. |
| Le Senseiver a une large gamme d’applications, notamment dans les drones, les réseaux de capteurs sur le terrain, la modélisation à distance des actifs dans le pétrole et le gaz. |
Références
Légende illustration principale : Une innovation dans l’utilisation de modèles de langage naturel apporte l’intelligence artificielle aux capteurs déployables sur le terrain, y compris les drones. Le laboratoire national de Los Alamos étudie la technologie de l’intelligence artificielle pour localiser et caractériser les puits de pétrole et de gaz orphelins qui émettent du méthane responsable du réchauffement climatique. Crédit : Los Alamos National Laboratory
L’article intitulé « Développement du Senseiver pour une reconstruction efficace du champ à partir d’observations rares » publié dans Nature Machine Intelligence. 10.1038/s42256-023-00746-x
