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 explore la technologie de l’IA pour localiser et caractériser les puits de pétrole et de gaz orphelins qui émettent du méthane responsable du réchauffement climatique. Crédit : Laboratoire national de Los Alamos
Une nouvelle méthode utilisant des modèles en langage naturel étend les applications de l’IA dans l’informatique de pointe.
Une technique avancée d’intelligence artificielle (IA) permet de reconstruire de vastes ensembles de données, comme la température totale des océans, à l’aide d’un nombre minimal de capteurs placés sur le terrain. Cette méthode utilise l’informatique « de pointe » économe en énergie, offrant des utilisations potentielles étendues dans divers secteurs, notamment l’industrie, la recherche scientifique et la santé.
« Nous avons développé un réseau neuronal qui nous permet de représenter un grand système de manière très compacte », a déclaré Javier Santos, chercheur au Laboratoire national de Los Alamos qui applique la science informatique aux problèmes géophysiques. « Cette compacité signifie qu’il nécessite moins de ressources informatiques par rapport aux architectures de réseaux neuronaux convolutifs de pointe, ce qui le rend bien adapté au déploiement sur le terrain sur des drones, des réseaux de capteurs et d’autres applications informatiques de pointe qui rapprochent le calcul de sa fin. utiliser. »
Une nouvelle approche de l’IA améliore l’efficacité informatique
Santos est le premier auteur d’un article publié par une équipe de chercheurs de Los Alamos en Intelligence des machines naturelles sur la nouvelle technique d’IA, qu’ils ont baptisée Senseiver. Le 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 vaste 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 sur l’ordinateur, donc il fonctionne plus rapidement sur des ordinateurs plus petits », a déclaré Dan O’Malley, co-auteur de l’article et chercheur à Los Alamos qui applique apprentissage automatique aux problèmes géoscientifiques.
Dans une première dans la littérature publiée, Santos et ses collègues de Los Alamos ont validé le modèle en démontrant son efficacité sur des ensembles réels de données éparses – c’est-à-dire des informations extraites de capteurs qui ne couvrent qu’une infime partie du champ d’intérêt – et sur des données complexes. ensembles de données de fluides tridimensionnels.
Dans une démonstration de l’utilité réelle du Senseiver, l’équipe a appliqué le modèle à un ensemble de données sur la température de surface de la mer de la National Oceanic and Atmospheric Administration. Le modèle a pu intégrer une multitude de mesures prises au fil des décennies à partir de satellites et de capteurs embarqués sur des navires. À partir de ces mesures ponctuelles éparses, le modèle prévoit les températures sur l’ensemble du corps océanique, 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 intéressant Los Alamos.
« Los Alamos dispose d’un large éventail de capacités de télédétection, mais il n’est pas facile d’utiliser l’IA car les modèles sont trop gros et ne s’adaptent pas aux appareils sur le terrain, ce qui nous amène à l’informatique de pointe », a déclaré Hari Viswanathan, directeur national de Los Alamos. Boursier de laboratoire, scientifique de l’environnement et co-auteur de l’article sur le Senseiver. « 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 les travaux du Laboratoire d’identification et de caractérisation des puits orphelins. Le laboratoire dirige le Consortium Advancing Technology for Assessment of Lost Oil & Gas Wells (CATALOG), financé par le ministère de l’Énergie, un programme fédéral chargé de localiser et de caractériser les puits orphelins non documentés et de mesurer leurs émissions de méthane. Viswanathan est le scientifique principal de CATALOG.
L’approche offre des capacités améliorées pour des applications pratiques à grande échelle telles que les voitures autonomes, la modélisation à distance des actifs pétroliers et gaziers, la surveillance médicale des patients, les jeux en nuage, la fourniture de contenu et le traçage des contaminants.
Ce travail a été financé par le programme de recherche et développement dirigé par le laboratoire du Laboratoire national de Los Alamos ; le ministère de l’Énergie, le Bureau des sciences, le Bureau des sciences énergétiques fondamentales et la recherche géoscientifique ; et le Bureau des sciences du DOE, Sciences énergétiques fondamentales, Énergie fossile et gestion du carbone, Programme des puits orphelins sans papiers.
