يعد SAR (رادار الفتحة الاصطناعية) أداة قوية لدراسة كوكبنا ويستخدم للتحقيق في العمليات الأرضية - بدءًا من الزلازل والانفجارات البركانية وحتى تغيرات الغطاء الجليدي و الغطاء الحرجي.
التحدي الذي يواجهك هو جلب بيانات SAR المعقدة إلى الأرض من خلال إنشاء عمل فني مبتكر يسلط الضوء على المنظور الفريد لأجهزة استشعار SAR. قم بإنشاء قطعة فنية رقمية (صورة، فيديو، نموذج ثلاثي الأبعاد، وما إلى ذلك) استنادًا إلى صور SAR والمنتجات ذات الصلة — عمل SARt!
الخلفية
التعلم النقلي هو أحد تقنيات التعلم الآلي حيث يتم تدريب النموذج مسبقًا على مجموعة بيانات كبيرة وواسعة لتشفير الميزات والعلاقات الأساسية، ثم يتم تحسينه باستخدام مجموعة بيانات أصغر لمساحة مشكلة محددة. هذه التقنية ذات صلة بأبحاث علم الأحياء الفضائية، حيث يكون لمجموعات البيانات عادةً حجم عينة محدود ومساحة المشكلة مقيدة.
"حديقة الحيوان النموذجية" هي مجموعة من النماذج المدربة مسبقًا، كل منها مصمم للمساعدة في الإجابة على سؤال علمي مختلف. نقل التعلم هو أسلوب يمكن استخدامه لإنشاء حديقة حيوانات نموذجية. يمكن بعد ذلك استخدام كل نموذج من النماذج الموجودة في حديقة الحيوان النموذجية لحل مشكلة معينة عن طريق تحسين النموذج باستخدام مجموعات البيانات الموجودة ذات الصلة.
تلتقط حديقة الحيوان النموذجية مجموعة من المعلومات الواسعة التي يمكن تنقيحها لمعالجة أسئلة محددة. على سبيل المثال، هناك نماذج شبكات عصبية تم تدريبها مسبقًا على أكثر من مليون صورة، ويمكن تحسينها للقيام بمهمة تحليل صور محددة، مثل تصنيف صور القطط والكلاب. ستكون حديقة الحيوان النموذجية مفيدة لمجتمع علم الأحياء الفضائي أيضًا. على سبيل المثال، يمكن تدريب النماذج الموجودة في حديقة الحيوان النموذجية لبيولوجيا الفضاء مسبقًا على مجموعات كبيرة من البيانات الطبية الحيوية، ومن ثم تحسينها باستخدام مجموعات البيانات من تجارب بيولوجيا الفضاء للتحقيق في أسئلة محددة في بيولوجيا الفضاء.
الأهداف
التحدي الذي يواجهك هو: (1) تصميم قاعدة بيانات شاملة لمجموعات البيانات الطبية الحيوية المتاحة للجمهور والتي يمكن استخدامها للتدريب المسبق لنماذج مختلفة من أجل "حديقة حيوانات نموذجية"، و(2) لتحديد مجموعات بيانات بيولوجيا الفضاء المتاحة للجمهور ذات الصلة والتي يمكن استخدامها بعد ذلك تحسين النماذج للتحقيق في أسئلة محددة في علم الأحياء الفضائية.
لك الحرية في اقتراح مجموعات بيانات متعددة الوسائط بالإضافة إلى أنواع بيانات فردية. إذا أردت، يمكنك توسيع نطاق التحدي وتجميع وجمع قائمة من بنيات نماذج التعلم النقلي الواعدة التي يمكن اختبارها. إذا كان هناك وقت متبقي، فيمكنك أيضًا كتابة تعليمات برمجية للمعالجة المسبقة لنوع البيانات وتدريب نموذج على تلك البيانات للمساهمة بالنموذج الذي تم تدريبه مسبقًا في حديقة الحيوان النموذجية.
اعتبارات محتملة
يجوز لك (ولكن ليس مطلوبًا منك) مراعاة ما يلي:
سيتم الحكم على الطلبات المقدمة من قبل خبراء ناسا على أساس الإبداع والابتكار والوضوح.
الإبداع: هل يستخدم عمل SARt طريقة فريدة لعرض البيانات؟
الابتكار: هل تم استخدام تمثيل SAR هذا من قبل؟ كيف يتم تحسين البيانات الأصلية؟
الوضوح: هل يصور عمل SARt بوضوح عملية (عمليات) الأرض المعروضة؟
جميع بيانات NASA SAR متاحة للعامة، ولكنك ستحتاج إلى التسجيل للحصول على ملف تعريف تسجيل الدخول لبيانات الأرض (انظر المصادر) للوصول إليها.
يمكن لمستخدمي SAR المبتدئين البدء بالبطاقات البريدية لرادار الفتحة الاصطناعية للمركبات الجوية غير المأهولة (UAVSAR)، بينما يمكن للمستخدمين الأكثر تقدمًا استكشاف بحث UAVSAR وNASA Earthdata (انظر المصادر).
للحصول على البيانات والمصادر المتعلقة بهذا التحدي، راجع علامة التبويب "المصادر" في أعلى الصفحة. يمكن إضافة المزيد من المصادر قبل بدء الهاكاثون.