المركز الأول عالمياً في مسابقة الذكاء الصنعي

المركز الأول عالمياً في مسابقة الذكاء الصنعي

حصل عمار علي ،طالب ماجستير في كلية تكنولوجيا المعلومات والبرمجة في جامعة ITMO ، على المركز الأول عالمياً في مسابقة الذكاء الصنعي التابعة للإدارة الوطنية الأمريكية للمحيطات والغلاف الجوي ووكالة ناسا (NOAA) حيث كان عليه إنشاء نموذج يتنبأ بالاضطرابات في المجال المغنطيسي الأرضي.
هذه المسابقة هي من نوع التحديات التي تطرح على شبكة الانترنت وتسمح للباحثين حول العالم بالمنافسة لتقديم أفضل حل للمسألة المطروحة.
عنوان المنافسة كان MagNet: منافسة نموذج المجال الجيومغناطيسي ، كان على المشاركين إنشاء نموذج للتعلم الآلي تتوافق توقعاته مع البيانات المولدة من قمرين صناعيين هما NASA: Advanced Composition Explorer (ACE) و Deep Space Climate Observatory (DSCOVR) . و التحدي الرئيسي المطلوب من النموذج أن يكون قادر على معالجة بيانات الزمن الحقيقي عن الرياح الشمسية والاضطرابات المغناطيسية التي تسببها.
تتمتع هذه المنافسة بأهمية عملية واضحة: فالنماذج التي اقترحها المشاركون ستساعد في إجراء تنبؤات أفضل والتعامل بشكل فعال مع أخطاء الملاحة في سفينة الفضاء التي تتأثر بشكل مباشر بالاضطرابات المغناطيسية الأرضية.

نجح عمار في إنشاء خوارزمية لمعالجة بيانات الأقمار الصناعية في الزمن الحقيقي والتي قدمت أدنى قدر من الأخطاء عند مقارنتها ببيانات القمر الصناعي الفعلية.

معلومات تفصيلية عن المسابقة:
مقدمة عن التحدي:
يتسبب النقل الفعال للطاقة من الرياح الشمسية إلى المجال المغناطيسي للأرض في حدوث عواصف مغناطيسية أرضية. تؤدي الاختلافات الناتجة في المجال المغناطيسي إلى زيادة الأخطاء في التنقل المغناطيسي. ويستخدم مؤشر اضطراب وقت العاصفة ، Dst ، لقياس شدة العاصفة المغناطيسية الأرضية.

كواصف رئيسي لديناميكيات الغلاف المغناطيسي ، يتم استخدام مؤشر Dst لتطوير نماذج الاضطراب المغنطيسي الأرضي مثل نموذج NOAA / NCEI الجيومغناطيسي عالي الوضوح في الزمن الحقيقي – (HDGM-RT). بالإضافة إلى ذلك، يستخدم المساحون المغناطيسيون والوكالات الحكومية والمؤسسات الأكاديمية ومشغلو الأقمار الصناعية ومشغلو شبكات الطاقة مؤشر Dst لتحليل قوة ومدة العواصف المغناطيسية الأرضية.

تم اقتراح نماذج تجريبية في وقت مبكر في عام 1975 للتنبؤ بمؤشر Dst من عمليات رصد الرياح الشمسية في موقع لاغرانج (L1) بواسطة الأقمار الصناعية مثل مرصد الفضاء العميق (DSCOVR) التابع لوكالة ناسا أو مستكشف التكوين المتقدم (ACE) التابع لوكالة ناسا. وعلى مدى العقود الثلاثة الماضية ، تم اقتراح عدة نماذج لتنبؤ الرياح الشمسية بالمؤشر Dst ، بما في ذلك الأساليب التجريبية والفيزياء والتعلم الآلي. بينما تعمل نماذج التعلم الآلي بشكل عام أفضل من النماذج القائمة على الأساليب الأخرى ، لا يزال هناك مجال للتحسين، خاصة عند التنبؤ بالأحداث المتطرفة. والأهم من ذلك ، أننا نبحث عن حلول تعمل على تدفقات البيانات الخام في الوقت الفعلي وتكون محايدة لأعطال أجهزة الاستشعار والضوضاء.

مهمة التحدي:
في هذا التحدي ، تمثلت المهمة بتطوير نماذج للتنبؤ بالمؤشر Dst الذي يرفع من حدود الأداء التنبئي ، في ظل قيود قابلة للتطبيق من الناحية التشغيلية ، باستخدام موجزات بيانات الرياح الشمسية في الزمن الحقيقي (RTSW) من DSCOVR التابع لـ NOAA والأقمار الصناعية ACE التابعة لناسا. يمكن أن توفر النماذج المحسنة تحذيرًا أكثر تقدمًا للعواصف المغناطيسية الأرضية وتقليل الأخطاء في أنظمة الملاحة المغناطيسية.

للاطلاع على رابط المسابقة:
https://news.itmo.ru/en/university_live/achievements/news/10142/

0 ردود

اترك رداً

تريد المشاركة في هذا النقاش
شارك إن أردت
Feel free to contribute!

اترك تعليقاً

لن يتم نشر عنوان بريدك الإلكتروني. الحقول الإلزامية مشار إليها بـ *

إعلانات