Ускорение науки и техники НАСА за счет применения искусственного интеллекта

ПРИМЕЧАНИЕ. Заявки и темы, перечисленные на этом сайте, являются копиями различных заявок агентств SBIR и не обязательно являются самыми последними и актуальными. По этой причине вам следует использовать ссылку агентства, указанную ниже, которая приведет вас непосредственно к серверу соответствующего агентства, где вы сможете прочитать официальную версию этого ходатайства и загрузить соответствующие формы и правила.

Официальная ссылка на это ходатайство: https://sbir.gsfc.nasa.gov/solicitations.

09 ноября 2020 г.
09 ноября 2020 г.

Срок подачи заявки:

08 января 2021 г.
08 января 2021 г.

Ведущий центр: GSFC

Участвующие центры: АРК, Лаборатория реактивного движения, ЛаРК

Ускорение науки и техники НАСА за счет применения искусственного интеллекта

Описание области применения:

Исследователи НАСА все чаще используют технологии искусственного интеллекта (ИИ) и машинного обучения (МО) в науке и технике для решения вопросов, которые ранее не могли быть изучены, чтобы открыть новые идеи. Как в государственном, так и в коммерческом секторах объем и разнообразие наборов данных растут экспоненциально, что делает их более сложной задачей для науки и техники НАСА. Эта подтема ищет инновационные предложения с использованием AI/ML для решения следующих уникальных проблем в НАСА. Предложения ДОЛЖНЫ указывать и согласовываться с существующими и/или будущими программами НАСА для удовлетворения или расширения конкретной потребности.

Эта подтема имеет следующие три критические области: (1) AI/ML на экстремальной границе, (2) быстрое обнаружение изменений земного покрова и (3) быстрая идентификация событий в данных модели системы Земля с высоким разрешением. Эта цель достигается за счет более полного определения меньших, более четко определенных областей, которые находятся непосредственно в фокусной области 13 (Информационные технологии для научных данных). Предложения по управлению неисправностями следует рассматривать в разделе S5.05 «Технологии управления неисправностями» (основная область 3 «Автономные системы для исследования космоса»).Кроме того, предложения по управлению траекторией малых космических аппаратов должны быть рассмотрены в Z3.02 Искусственный интеллект (ИИ)/машинное обучение (ML) для управления траекторией роя малых космических аппаратов (основная область 11 Подсистемы космических аппаратов и платформ), а также должны быть рассмотрены предложения по автономным системам. в STTR Topic T4 Autonomous Systems for Space Exploration (подтема — Integrated Data Uncertainty Management and Representation for Trusted Autonomy in Space).

Предложения должны касаться одной из следующих основных областей:

• AI/ML на пределе возможностей
  • С увеличением скорости передачи данных для инструментов возрастает потребность в вычислениях на периферии, часто в ограниченных вычислительных средах.
  • НАСА заинтересовано в применении AI/ML на космических кораблях, вездеходах, в созвездии малых спутников или других платформах дистанционного зондирования, где задержка и пропускная способность между удаленной платформой и наземной станцией недостаточны для адекватной загрузки всех данных. Примером этого является миссия Magnetospheric Multiscale (MMS), в которой часть (примерно 2%) собранных данных будет передана обратно на Землю.
  • Как можно эффективно обучать модели на периферии для обнаружения аномалий, выполнения классификации, сегментации или запуска других типов моделей AI/ML?
  • Данные дистанционного зондирования Земли (как из НАСА, так и из коммерческих источников) также продолжают расти стремительными темпами, и НАСА заинтересовано в использовании ИИ/МО для быстрого обнаружения изменений в землепользовании и аномалий в нескольких наборах данных. .
  • Для этого потребуется потенциальное объединение нескольких наборов спутниковых данных, межсенсорная калибровка, геолокация и многое другое.
  • Управление глобального моделирования и ассимиляции (GMAO) использует модель общей циркуляции (GCM), называемую высокопроизводительным приложением Goddard Earth Observing System (GEOS), для создания выходных данных модели для проектирования инструментов.Эти природные прогоны представляют собой автономные атмосферные модели, которые основаны на температуре поверхности моря, и в результате получаются очень большие наборы данных (порядка петабайт).
  • Затем группы по приборам используют выходные данные GEOS для изучения потенциального влияния дополнительных наблюдений на конкретные погодные явления, такие как ураганы, метеорологические фронты, мезомасштабные конвективные ячейки и т. д.
  • НАСА заинтересованы в моделях, которые можно обучить быстро идентифицировать эти различные погодные явления в данных природного прогона GEOS. Это будет использоваться для создания доступного для поиска каталога этих событий для использования в экспериментах по моделированию систем наблюдения (OSSE).

  Исследования, предложенные для этой подтемы, должны продемонстрировать техническую осуществимость на этапе I и в партнерстве с учеными и/или инженерами показать путь к демонстрации прототипа на этапе II со значительной связью с миссиями и программами для последующего планирования потенциального вливания на этапе III. Крайне желательно, чтобы предлагаемые проекты привели к решениям, которые будут внедрены в программы и проекты НАСА.

  • Прототип
  • Программного обеспечения
  • Исследовательская работа

  Продукты данных, разработанные в рамках этой подтемы, могут разрабатываться для широкого распространения или использоваться в узком научном сообществе. Ожидается, что обучающие наборы, модели и полученные продукты данных будут общедоступны.

  В общем, желаемые результаты для этой подтемы включают: (1) новые или ускоренные научные и инженерные продукты, (2) обучающие наборы данных и обученные модели специально для данной проблемы, но которые также могут быть использованы в качестве основы для продвижения других наук и инженерные исследования и разработки, а также (3) результирующие продукты данных, которые можно использовать и внедрять в научные проекты НАСА и потенциально использовать для разработки новых миссий.

  • Фаза I должна использоваться для подтверждения концепции с результатами, включая окончательный отчет, любое разработанное программное обеспечение, обучающие наборы и т. д.
  • Фаза II расширит это доказательство концепции до полного прототипа с очень похожим набором результатов, включая окончательный отчет, программное обеспечение, обучающие наборы и т. д.

  Наука и инженерия НАСА добились больших успехов в использовании технологий искусственного интеллекта (которые включают как машинное обучение, так и глубокое обучение). Однако наборы данных и требования растут так быстро, что для заполнения пробелов требуется дополнительная поддержка. Кроме того, новые вычислительные платформы теперь обеспечивают значительные улучшения вычислительных возможностей, позволяя применять ИИ в самых разных областях науки и техники. Эти новые вычислительные возможности могут значительно ускорить вычисления ИИ, и эти системы даже используются в качестве эталонной архитектуры для экзафлопсных высокопроизводительных вычислительных систем.

  Актуальность / Научная прослеживаемость:

  Широкая применимость в течение десятилетних съемок и требований к разработке спутников. Конкретные миссии включают Europa Lander, Mars 2020 и другие:

  • Космические аппараты, вездеходы, группировка малых спутников или другие платформы дистанционного зондирования.
  • Ассимиляция Глобального управления моделирования и ассимиляции (GMAO): расширение моделирования системы Земля или ассимиляция данных.
  • Управление экосистем углеродного цикла (CCOE): широкий спектр приложений, учитывая разнообразие наборов данных, от разреженных на месте до глобальных спутниковых измерений.
  • Система данных и информации системы наблюдения за Землей (EOSDIS)/распределенные активные архивные центры (DAAC): использование потенциала для новых открытий в широком массиве данных наблюдений.
  • Управление технологий наук о Земле (ESTO/AIST): Новые технологии и услуги для использования данных НАСА и других компаний.
  • Управление вычислительных и информационных наук и технологий (CISTO — код 606): технологии, используемые для новой науки о данных.
  • Центр моделирования климата НАСА (NCCS — код 606.2): ​​создание приложений для экзафлопсных вычислений.
  • Самые последние опросы за десятилетие: https://science.nasa.gov/about-us/science-strategy/decadal-surveys
  • Миссия на Европу — Европа Lander: https://www.jpl.nasa.gov/missions/europa-lander/
  • Миссия Марс 2020: https://mars.nasa.gov/mars2020/
  • Офис глобального моделирования и ассимиляции: https://gmao.gsfc.nasa.gov/
  • Годдардовский институт космических исследований НАСА: https://www.giss.nasa.gov/
  • Данные НАСА по науке о Земле: https://earthdata.nasa.gov/
  • Центр моделирования климата НАСА: https://www.nccs.nasa.gov/
  • Программа NASA High-End Computing (HEC): https://www.hec.nasa.gov/

  Кроме того, предлагающим предлагается выполнить поиск на сервере технических отчетов НАСА (NTRS) для получения дополнительной информации, которая поможет найти возможные решения:

  голоса

  Рейтинг статьи