एक महत्वपूर्ण सफलता में, लीड्स विश्वविद्यालय के शोधकर्ताओं ने एक कृत्रिम बुद्धिमत्ता (एआई) प्रणाली विकसित की है जो उल्लेखनीय गति और सटीकता के साथ उपग्रह चित्रों में अंटार्कटिक हिमखंडों के बड़े विस्तार को मैप कर सकती है।
तंत्रिका नेटवर्क पर आधारित एआई प्रणाली, कार्य को केवल 0.01 सेकंड में पूरा करती है, जो पहले इस्तेमाल की गई समय लेने वाली मैन्युअल विधियों के बिल्कुल विपरीत है।
अध्ययन की मुख्य लेखिका, ऐनी ब्रैकमैन-फ़ोलगमैन ने लीड्स विश्वविद्यालय में अपने पीएचडी कार्यकाल के दौरान अपना शोध किया। वह वर्तमान में ट्रोम्सो में नॉर्वे की आर्कटिक यूनिवर्सिटी में कार्यरत हैं।
ब्रैकमैन-फ़ोलगमैन ने अंटार्कटिक पर्यावरण में बड़े हिमखंडों के महत्व पर जोर देते हुए कहा, “विशाल हिमखंड समुद्र के भौतिकी, रसायन विज्ञान, जीव विज्ञान और समुद्री संचालन को प्रभावित करते हैं। हिमखंडों का पता लगाना और उनकी सीमा की निगरानी करना महत्वपूर्ण है ताकि यह पता लगाया जा सके कि वे कितना पिघला हुआ पानी छोड़ते हैं। महासागर।”
कॉपरनिकस सेंटिनल-1 रडार मिशन इस अभिनव दृष्टिकोण में एक महत्वपूर्ण भूमिका निभाता है, जो बादल कवर या दिन के उजाले की कमी की परवाह किए बिना हिमखंडों की छवियां प्रदान करता है। सेंटिनल-1 द्वारा लौटाई गई अधिकांश रडार छवियों में, हिमखंड गहरे समुद्र और समुद्री-बर्फ की पृष्ठभूमि के खिलाफ चमकदार वस्तुओं के रूप में दिखाई देते हैं। हालाँकि, जब परिवेश जटिल हो तो हिमखंडों को समुद्री बर्फ या समुद्र तट से अलग करना चुनौतीपूर्ण हो सकता है।
नया तंत्रिका नेटवर्क दृष्टिकोण इन चुनौतीपूर्ण परिस्थितियों में भी हिमशैल की सीमा का मानचित्रण करने में उत्कृष्टता प्राप्त करता है। सिस्टम प्रशिक्षण प्रक्रिया के दौरान लगातार अपनी भविष्यवाणियों को परिष्कृत करता है, मैन्युअल रूप से प्राप्त रूपरेखा और अनुमानित परिणाम के बीच अंतर के आधार पर अपने मापदंडों को समायोजित करता है।
एल्गोरिदम का परीक्षण सात हिमखंडों पर किया गया है, जिनका आकार 54 वर्ग किमी से लेकर 1052 वर्ग किमी तक है, जो क्रमशः स्विट्जरलैंड और हांगकांग के बर्न शहर के क्षेत्रों के बराबर है। 99% की सटीकता प्रस्तुत करने वाले परिणाम प्रभावशाली रहे हैं।
डॉ. ब्रैकमैन-फ़ोलगमैन ने कहा, “उन्नत गति और सटीकता के साथ स्वचालित रूप से हिमखंड की सीमा को मैप करने में सक्षम होने से हम कई विशाल हिमखंडों के लिए हिमखंड क्षेत्र में परिवर्तनों को अधिक आसानी से देख पाएंगे और एक परिचालन अनुप्रयोग के लिए मार्ग प्रशस्त होगा।”
यूरोपीय अंतरिक्ष एजेंसी (ईएसए) के मार्क ड्रिंकवाटर ने इस नवोन्मेषी मशीन लर्निंग दृष्टिकोण के लिए टीम को बधाई दी और कहा कि यह हिमशैल की सीमा का पता लगाने और रिपोर्ट करने के मैन्युअल और श्रम-गहन कार्य को स्वचालित करता है।
