Методы трансферного обучения ИИ помогают изучать внутренние волны океана

Исследовательская группа под руководством доктора Ли Сяофэна из Института океанологии Китайской академии наук применила методы искусственного интеллекта (ИИ), а именно трансферное обучение, для интеграции данных из лабораторных экспериментов, буйковых измерений и дистанционного зондирования. Это позволило решить проблему определения амплитуды внутренних волн по спутниковым снимкам. Результаты работы были опубликованы в журнале Remote Sensing of Environment 9 февраля.

Внутренние волны широко распространены в океане, их амплитуда может достигать сотен метров, что существенно влияет на морскую среду. Дистанционное зондирование — ключевой метод их наблюдения, однако прямое определение амплитуды волн по спутниковым изображениям ранее было невозможно. Ученые создали согласованный набор данных на основе in-situ измерений и спутниковых снимков для обучения модели. Использование трансферного обучения позволило преодолеть проблему разнородности источников данных и точно реконструировать трехмерную структуру внутренних волн.

Разработанная двухэтапная модель на основе трансферного обучения сначала обрабатывает данные из разных источников с использованием модифицированной архитектуры ResNet (short connection). На втором этапе модель корректирует полученные результаты, используя информацию о реальной плотности воды в океане. «Модель может определить амплитуду внутренней волны, используя в качестве входных данных информацию, извлеченную со спутникового изображения, и реконструировать ее трехмерную структуру», — пояснил доктор Ли. Полученные результаты демонстрируют надежность и осуществимость создания инверсионных моделей для сложных морских явлений на основе больших данных.