← Главная новостей | Торговый зал
2026-11-04 · Источник：Unite AI
Согласно анонсу Google, модель глубокого обучения, обученная на 3,6 млн физически смоделированных шлейфов, выявила в данных спутникового инструмента NASA EMIT более 23 000 дополнительных шлейфов по всему миру.
Google и Лаборатория реактивного движения NASA (JPL) представили MAPL-EMIT — модель глубокого обучения, созданную для обнаружения, количественной оценки и локализации метановых шлейфов по всей планете на основе данных спутникового инструмента NASA EMIT. Система была анонсирована Google 9 сентября 2026 года и объединяет наработки компании в области машинного обучения с аппаратурой наблюдения за Землей лаборатории, выводя автоматическое обнаружение шлейфов на глобальный уровень с опорой на спутниковые данные.
В основе модели — обучающий корпус из 3,6 млн физически смоделированных метановых шлейфов. MAPL-EMIT обучалась не исключительно на шлейфах, размеченных вручную на спутниковых снимках, а на шлейфах, сгенерированных посредством физического моделирования, — это объем датасета, которого ручная аннотация орбитальных изображений достичь попросту не смогла бы. Анонс дополнил эту деталь об обучении главными показателями производительности модели.
Разрыв с человеческой экспертизой весьма существенен. По данным Google, MAPL-EMIT обнаруживает на 50% больше шлейфов, чем эксперты-люди. В абсолютных цифрах модель выявила в мире более 23 000 дополнительных шлейфов, пропущенных экспертным анализом, — в том числе на 24 из 25 крупнейших в мире площадок-источников выбросов. Базой для сравнения послужил визуальный осмотр одних и тех же спутниковых данных экспертами.
Для мониторинга метана эти результаты показывают, сколько сигнала способно извлечь автоматическое обнаружение из приборов, уже находящихся на орбите. Снимки EMIT покрывают весь земной шар, а разрыв между тем, что пометили эксперты-люди, и тем, что выявила MAPL-EMIT, — более 23 000 шлейфов — указывает на масштаб данных о выбросах, которые при одном лишь экспертном анализе остаются за бортом. Публикация также подчеркивает более широкую закономерность: физическое моделирование как обучающая основа для научных моделей компьютерного зрения, позволяющее настраивать системы в масштабе, недоступном ни одному датасету с ручной разметкой.
Теги: Google · NASA JPL · MAPL-EMIT · EMIT · Methane Detection · Deep Learning
萬安算交所 AIXX · AIXX · Верифицированная биржа · В торговый зал