جوجل ريسيرش وناسا JPL يكتشفان الميثان بالذكاء الاصطناعي بنسبة دقة 84%

أخبار ar.wedoany.com، في إطار تعاون بين جوجل ريسيرش (Google Research) ومختبر الدفع النفاث (JPL) التابع للإدارة الوطنية للملاحة الجوية والفضاء (NASA)، تم تطوير إطار تعلم عميق يُعرف باسم MAPL-EMIT لاكتشاف وتحليل أعمدة الميثان من الفضاء. ووفقًا لبيانات الهيئة الحكومية الدولية المعنية بتغير المناخ (IPCC)، يُعد الميثان المكوّن الرئيسي للغاز الطبيعي، ويسهم بنحو ثلث ظاهرة الاحتباس الحراري الحالية. ونظرًا لكون هذا الغاز غير مرئي بالعين المجردة، فإن تحديد مواقع التسرب الفردية يمثل تحديًا رئيسيًا في جهود خفض انبعاثات الميثان.

الاسم الكامل لـ MAPL-EMIT هو "تحليل الميثان وتحديد مواقع الأعمدة باستخدام EMIT" (Methane Analysis and Plume Localisation with EMIT)، ويستند إلى جهود NASA في رصد الميثان المداري باستخدام أداة EMIT الموجودة على متن محطة الفضاء الدولية. صُممت أداة EMIT في الأصل لرسم خرائط المعادن في المناطق القاحلة، إلا أن قدراتها فائقة الطيف تتيح أيضًا التقاط البصمة الكيميائية للميثان. تسجّل الأداة مئات النطاقات الضوئية المختلفة لكل بكسل، مما يمكّن الباحثين من اكتشاف الميثان غير المرئي في الصور التقليدية. ويتيح الجمع بين مجال رؤية يبلغ 80 كيلومترًا ودقة مكانية تبلغ 60 مترًا إمكانية تحديد انبعاثات المنشآت الفردية. وقد طبّقت جوجل ريسيرش تقنيات التعلم العميق على هذه البيانات لأتمتة اكتشاف الميثان وتقدير مصادره على نطاق واسع.

يكمن التحدي التقني في أن الصور الفضائية قد تحتوي على تضاريس ومواد سطحية تشبه في خصائصها إشارات الميثان. وأشارت كيت براندت (Kate Brandt)، كبيرة مسؤولي الاستدامة في جوجل، إلى أن الميثان يمثل إحدى أسرع الفرص وأكثرها فعالية للتخفيف من الاحتباس الحراري، لكنه يصعب خفضه وتتبعه بسبب عدم إمكانية رؤيته بالعين المجردة. ويستفيد MAPL-EMIT من التعلم الآلي في جوجل ومن بيانات أداة EMIT التابعة لـ NASA لتحسين اكتشاف أعمدة الميثان والتنبؤ بها وتقدير مصادرها. وفي الاختبارات على بيانات الأقمار الصناعية الحقيقية، نجح MAPL-EMIT في تحديد 84% من التسربات المعروفة، واكتشف عددًا من التسربات المحتملة يزيد بنسبة 50% عن طرق الكشف التقليدية.

يعتمد النظام على بنية محوّل الرؤية (vision transformer)، حيث يحلل الطيف الضوئي الكامل والسياق المكاني المحيط، مما يتيح التمييز بين أعمدة الميثان المنفوخة بالرياح فعليًا والخصائص الأرضية التي قد تسبب اكتشافات خاطئة. كما يمكنه تحليل المناطق الصناعية المعقدة حيث تتداخل انبعاثات منشآت متعددة، مع إجراء التقدير الكمي المعزز ورسم حدود الأعمدة وتحديد مواقع المصادر في الوقت نفسه، لتحديد كمية الميثان الموجودة وترسيم حدود الانبعاثات وتتبع مصادرها.

يواجه تدريب نماذج الذكاء الاصطناعي القادرة على تحديد الميثان عالميًا عائقًا يتمثل في ندرة البيانات: فلا توجد حاليًا مجموعات بيانات مصنّفة تحتوي على ملايين أعمدة الميثان الحقيقية حول العالم. ولمعالجة ذلك، أنشأت جوجل ريسيرش ومختبر الدفع النفاث التابع لـ NASA 3.6 مليون عمود ميثان اصطناعي، وأدرجتها في مشاهد EMIT الحقيقية. واستخدم الفريق محاكاة قائمة على الفيزياء لإعادة إنتاج طريقة انتشار جزيئات الميثان في ظل ظروف جوية وجغرافية مختلفة، مما مكّن MAPL-EMIT من التعلم من نطاق أوسع من معدلات الانبعاثات والتضاريس وأشكال الأعمدة، واكتساب القدرة على تقدير المصادر والتمييز بين الأعمدة المتداخلة.

وعند التحقق من صحة النموذج باستخدام مجموعة بيانات L2B لأعمدة الميثان التابعة لـ NASA كمعيار مرجعي، التقط MAPL-EMIT 84% من الأعمدة المصنّفة من قبل الخبراء؛ وبالمقارنة مع الأساليب الحالية، حدد عددًا من الأعمدة المحتملة يزيد بنحو 50% في حوالي 1100 كتلة بيانات من EMIT. ويستطيع النموذج اكتشاف الانبعاثات الأضعف، ونجح في رسم خرائط أعمدة الانبعاثات لـ 24 من أصل 25 من أكبر مدافن النفايات من حيث الانبعاثات على مستوى العالم. ويمكن لهذه القدرات أن تساعد الأطراف المعنية على اكتشاف مصادر انبعاثات كانت مهملة سابقًا، وتوفير أساس لتحديد أولويات جهود خفض الانبعاثات.

كما تتيح الجهة المطوّرة لـ MAPL-EMIT الموارد ذات الصلة للمستخدمين الخارجيين. وتوفّر جوجل ريسيرش ومختبر الدفع النفاث التابع لـ NASA قاعدة بيانات عالمية للأعمدة عبر منصة Google Earth Engine، والنموذج المدرب و3.6 مليون عمود اصطناعي عبر منصة Kaggle، كما تنشر مكتبة الاستدلال على GitHub، مما يوفر للباحثين والمطورين الأدوات اللازمة لاستخدام هذه التقنية. وأوضح الفريق أن إتاحة الموارد للمجتمع العلمي الأوسع تهدف إلى دعم الباحثين وصناع السياسات والقادة المحليين والقطاع الصناعي في تحديد مصادر الميثان.

يأتي هذا الإصدار في وقت يتواصل فيه التوسع في رصد الميثان عبر الأقمار الصناعية. وتشير جوجل إلى أن MAPL-EMIT يمكن أن يكون أساسًا لمعالجة فهرس بيانات EMIT الأوسع، بينما تستعد NASA لتطوير الجيل التالي من أجهزة التصوير الطيفي، الذي يُتوقع أن يوسع نطاق التغطية بمقدار يتراوح بين 30 و50 ضعفًا. وستؤدي التغطية الفضائية الأوسع إلى توليد المزيد من البيانات البيئية التي تحتاج إلى تحليل، مما يفرض متطلبات أعلى على الأساليب الآلية القادرة على المعالجة واسعة النطاق. وبالنسبة للشركات العاملة في مجالات الطاقة والزراعة والنفايات، يمكن للبيانات الأكثر تفصيلاً عن الانبعاثات أن تدعم جهود الخفض الموجّهة، بدلاً من الاعتماد على تقديرات تقريبية. وهكذا يُظهر MAPL-EMIT الإمكانات التآزرية للذكاء الاصطناعي ورصد الأرض والبيانات المفتوحة في تحويل رصد الميثان إلى إجراءات مناخية ملموسة.