AI Kompetenzen suchen

KI erkennt die Geologie des Untergrunds

Die Technik wandelt natürliche Bilder in geologische Strukturkarten des Untergrunds um. / lanl.gov
Forscher vom Los Alamos National Laboratory (LANL) haben als erste ein auf maschinellem Lernen basierendes seismisches Bildgebungsverfahren erfolgreich auf reale Daten angewendet. Sobald dieses Modell vollständig trainiert ist, kann es die Berechnungszeit erheblich verkürzen und genauere Modelle der Untergrundgeologie liefern.
Die genaue und effiziente Charakterisierung der Geologie des Untergrunds ist für verschiedene Anwendungen von entscheidender Bedeutung, z. B. für die Energieexploration, die zivile Infrastruktur sowie die Grundwasserkontamination und -sanierung. Der Standardansatz zur Gewinnung dieser Informationen ist die computergestützte seismische Bildgebung, bei der ein Bild der Strukturen im Untergrund aus Messungen natürlicher oder künstlich erzeugter seismischer Wellen rekonstruiert wird.

Sobald diese Modelle vollständig trainiert sind, ist das Inversionsverfahren rechnerisch effizient. Eine wesentliche Einschränkung dieser datengesteuerten Methoden ist jedoch ihre schwache Verallgemeinerungsfähigkeit, was die breite Anwendung datengesteuerter seismischer Bildgebungsverfahren auf Felddaten behindert. Darüber hinaus kann es äusserst schwierig und teuer sein, echte Untergrundstrukturmodelle und die entsprechenden seismischen Messungen zu sammeln, was zu Trainingsmengen mit begrenzter Repräsentativität führt.

Wie sie es geschafft haben

Um das Problem der schwachen Verallgemeinerung zu überwinden, untersuchten die Los Alamos-Wissenschaftler Shihang Feng, Youzuo Lin und Brendt Wohlberg die Möglichkeit, den Trainingssatz zu erweitern und kritische physikalische Phänomene in ihr Vorhersagemodell einzubeziehen.

Ihre Idee war inspiriert von den künstlerischen Stilübertragungsproblemen aus der Computer-Vision-Gemeinschaft, deren Ziel es ist, den Kunststil eines Gemäldes auf ein anderes Bild zu übertragen, indem der Stilverlust und der Inhaltsverlust auf der Grundlage von Merkmalen, die aus einem vorab trainierten Faltungsneuronalnetz extrahiert wurden, minimiert werden.

Diese Werkzeuge boten den Forschern daher Ansätze, um Bilder aus zwei verschiedenen physikalischen Bereichen zu verbinden. Insbesondere stellen Untergrundstrukturmodelle die geophysikalischen Eigenschaften in 2-D dar, die auch als Bilder einer bestimmten physikalischen Eigenschaft betrachtet werden können. Die von den Forschern angewandte Methode konvertierte eine grosse Menge vorhandener Naturbilder in Untergrundstrukturmodelle mit vorgegebenen geologischen Stilen. Auf diese Weise konnten sie eine grosse Anzahl synthetischer Geschwindigkeitsmodelle mit ausreichender Variabilität erzeugen. Auf diese Weise konnten die datengesteuerten Modelle nicht nur die physikalischen Grundlagen des Problems durch Training erlernen, sondern aufgrund der Repräsentativität der Daten auch eine hohe Generalisierungsfähigkeit erreichen.

Durch die erfolgreiche Demonstration dieser Technik haben die Forscher die Tür zu einer Reihe potenzieller Anwendungen im Untergrund geöffnet, wie z. B. Kohlenstoffabscheidung und -sequestrierung, Energieexploration im Untergrund, Abschätzung der Wege des Schadstofftransports im Untergrund und Erdbebenfrühwarnsysteme, die kritische Warnungen ausgeben.
(fest/pd)
publiziert: Montag, 15. November 2021 / 15:04 Uhr , aktualisiert: Montag, 15. November 2021 / 15:12 Uhr

KI ermittelt die nächsten Designerdrogen

Forscher der University of British Columbia (UBC) und der University of Alberta haben Computer so trainiert, dass sie die nächsten Designer-Medikamente vorhersagen können, noch bevor sie auf dem Markt sind.
weiterlesen

Künstlicher Geruch zur Kontrolle der Lebensmittelqualität

Forscher des IBEC in Zusammenarbeit mit der Universität Córdoba haben kürzlich eine Studie veröffentlicht, in der sie Protokolle entwickeln, die den Einsatz einer Technik optimieren, die in der Lage ist, auf molekularer Ebene Substanzen zu analysieren, die im Aroma von Lebensmitteln vorhanden sind, und die es ermöglicht, Schinkenproben von iberischen Schweinen zu unterscheiden, die mit Eicheln oder Futter gefüttert wurden.
weiterlesen

Algorithmus erkennt Selbstmord gefährdete Jugendliche

Forscher der Brigham Young University, der Johns Hopkins University und der Harvard University haben einen Algorithmus entwickelt, der Selbstmordgedanken und -verhalten bei Jugendlichen mit 91 %iger Genauigkeit vorhersagen kann.
weiterlesen

Mit maschinellem Lernen den Seetang retten

In einem Graduiertenprojekt für Maschinenbau am MIT (Massachusetts Institute of Technology) entwickelte ein Team um die Medienwissenschaftlerin Charlene Xia ein Projekt zur Vorhersage und Verhinderung der Ausbreitung von Krankheiten in der Aquakultur. Das Team konzentrierte sich dabei insbesondere auf Algenfarmen.
weiterlesen

Ein grosser Sprung für den vierbeinigen Mini-Roboter «Cheetah»

Ein neues Steuerungssystem, das anhand des Mini-Roboters «Cheetah» des MIT demonstriert wurde, ermöglicht es vierbeinigen Robotern, in Echtzeit über unebenes Terrain zu springen.
weiterlesen

KI und Live-Mobilfunkdaten sagen Covid-19-Einweisungen voraus

Eine Studie in schwedischen Krankenhäusern unter der Leitung von Ericsson, dem Telekommunikationskonzern Telia und dem Universitätskrankenhaus Sahlgrenska nutzt künstliche Intelligenz (KI) und Mobilfunkdaten, um ein genaues Prognosemodell für die kurzfristige Aufnahme von Covid-19-Patienten in Krankenhäusern 14 bis 21 Tage im Voraus zu erstellen.
weiterlesen

Ernteroboter erkennen dank LED die reifen Früchte

Ein neuartiges Kamerasystem mit aktiver Beleuchtung, das von Forschern der Penn State University entwickelt wurde, könnte ein entscheidender Schritt bei der Entwicklung von Bildverarbeitungssystemen sein, die es Robotern ermöglichen, besser zu ernten.
weiterlesen

Nach Katastrophen: KI erkennt zerstörte Häuser

Steht unser Haus noch? Diese Frage stellen sich Menschen auf der ganzen Welt, die Opfer von Waldbränden wurden. Dies festzustellen war nicht einfach, doch nun können - sobald sich der Rauch für Luftaufnahmen verzogen hat, Gebäudeschäden innerhalb Minuten erkannt werden.
weiterlesen

Zweibeiniger Roboter «Cassie» läuft 5 Kilometer

Das zweibeinige Laufroboter-Modul «Cassie» von der Oregon State University (OSU) und Agility Robotics hat einen neuen Rekord aufgestellt: Es legte eine Strecke von 5 Kilometern in etwas mehr als 53 Minuten zurück - und das ohne Hilfe und mit nur einer Batterieladung.
weiterlesen

Sich mit Hilfe von Robotern anziehen

Wissenschaftler des Computer Science and Artificial Intelligence Laboratory (CSAIL) des MIT haben kürzlich einen neuen Algorithmus entwickelt, der einem Roboter hilft, effiziente Bewegungspläne zu finden, um die körperliche Sicherheit seines menschlichen Gegenübers zu gewährleisten.
weiterlesen