Prévision Des Prix De L'immobilier/exploration Minière/prévision Des Catastrophes Naturelles... L'IA Favorise L'innovation Dans Les Sciences De La Terre, L'université Du Zhejiang/Université Tsinghua/Google Research Et D'autres Ont Publié Des Résultats Importants
En tant que domaine hautement interdisciplinaire, les sciences de la Terre connaissent une transformation majeure menée par l’IA. En 2024, les chercheurs ont obtenu une série de résultats révolutionnaires dans la construction de villes intelligentes, la prévision des prix des logements, la modélisation écologique marine, la prévision des affaissements de sol, la prévision des inondations, la prévision des glissements de terrain et la prévision des minéraux. Ces études démontrent non seulement le puissant potentiel de l’IA pour traiter les problèmes complexes du système terrestre, mais fournissent également des solutions innovantes pour le développement durable mondial.
Cet article,HyperAI se concentre sur la recherche en IA dans le domaine des sciences de la Terre. Nous avons sélectionné 15 articles de pointe à interpréter au cours de la période 2023-2024. Cliquez sur le titre de l’article ou sur l’interprétation chinoise ci-dessous pour accéder à la page d’interprétation de l’article.Apprenez-en davantage sur la manière dont l’IA fait avancer l’avenir des sciences de la Terre.
Le projet open source « awesome-ai4s » rassemble plus de 100 interprétations d'articles AI4S et fournit des ensembles de données et des outils massifs :
https://github.com/hyperai/awesome-ai4s
01 、Titre de l'article :Un modèle de réseau neuronal pour optimiser la mesure de la proximité spatiale dans une approche de régression pondérée géographiquement : une étude de cas sur le prix de l'immobilier à Wuhan, 2024.04
Interprétation chinoise :Prédisez avec précision les prix de l'immobilier à Wuhan ! Le laboratoire SIG de l'université du Zhejiang a proposé le modèle osp-GNNWR : décrivant avec précision les processus spatiaux complexes et les phénomènes géographiques
Contenu de la recherche :Le laboratoire clé SIG de l'Université du Zhejiang a amélioré la précision de la prévision du prix des logements du modèle en introduisant un indicateur de proximité spatiale optimisé et en l'intégrant dans l'architecture du réseau neuronal.
02 、Titre de l'article :OceanGPT : un modèle de langage étendu pour les tâches liées aux sciences océaniques, 2024.05
Interprétation chinoise :Sélectionné pour l'ACL 2024 ! L'Université du Zhejiang lance le premier modèle de langage océanique OceanGPT, faisant de l'intelligence incarnée sous-marine une réalité
Contenu de la recherche :L'équipe de l'Université du Zhejiang a proposé le premier grand modèle de langage dans le domaine océanique, OceanGPT, qui peut répondre aux questions selon les instructions des océanographes, démontrer de hautes connaissances professionnelles dans diverses tâches scientifiques océaniques et également acquérir des capacités préliminaires d'intelligence incorporée en ingénierie océanique.
03 、Titre de l'article :Techniques basées sur l'apprentissage automatique pour la simulation de l'affaissement du sol en zone urbaine, 2024.02
Interprétation chinoise :Attention aux « maladies chroniques » urbaines : l'équipe du professeur Liu Jianxin de l'Université du Centre-Sud utilise l'IA pour prédire le risque d'affaissement des sols dans les 40 prochaines années
Contenu de la recherche :L'équipe du professeur Liu Jianxin de l'Université du Centre-Sud, en collaboration avec la Station de surveillance de l'environnement géologique de la province du Guangdong, la Quatrième brigade géologique de la province du Guangdong et l'Université de Boigny en Côte d'Ivoire, a établi un modèle de prédiction intelligent pour l'affaissement du sol en utilisant une régression à gradient extrême et des réseaux de mémoire à long terme.
Interprétation chinoise :L’apprentissage par transfert aide beaucoup ! L'Université de technologie de Chengdu construit un modèle SCDUNet++ pour la cartographie des glissements de terrain
Contenu de la recherche :Des chercheurs de l'Université de technologie de Chengdu ont proposé un modèle de segmentation sémantique appelé SCDUNet++, qui combine les avantages des réseaux neuronaux convolutifs et de Transformer pour réaliser efficacement une cartographie des glissements de terrain.
05 、Titre de l'article :Modélisation de la susceptibilité aux glissements de terrain par réseau neuronal interprétable, 2023.05
Interprétation chinoise :Une boîte noire devient transparente : l'UCLA développe un réseau neuronal interprétable (SNN) pour prédire les glissements de terrain
Contenu de la recherche :Des chercheurs de l'Université de Californie à Los Angeles ont développé un réseau neuronal superposé (SNN) qui peut mieux analyser les facteurs d'influence des catastrophes naturelles et améliorer encore la capacité à prédire les risques de glissement de terrain.
06 、Titre de l'article :Prévision mondiale des inondations extrêmes dans les bassins versants non mesurés, 2024.03
Interprétation chinoise :Le modèle de prévision des inondations de Google est à nouveau publié dans Nature, battant le système n°1 mondial et couvrant plus de 80 pays
Contenu de la recherche :L’équipe de recherche de Google a développé un modèle de prévision des crues basé sur l’apprentissage automatique qui peut prédire de manière fiable les inondations cinq jours à l’avance. Lorsqu’il s’agit de prévoir des inondations qui se produisent une fois tous les cinq ans, ses performances sont meilleures ou équivalentes à celles de la prévision actuelle des inondations qui se produisent une fois par an. Le système peut couvrir plus de 80 pays.
07 、Titre de l'article :Prévision améliorée de la concentration de chlorophylle-a dans les eaux côtières grâce à l'intégration de l'analyse de Fourier et des réseaux de transformateurs, 2024.09
Interprétation chinoise :L’apprentissage profond lutte contre la crise des marées rouges marines ! Le laboratoire SIG de l'Université du Zhejiang a proposé le modèle ChloroFormer, qui peut fournir une alerte précoce en cas d'épidémie d'algues marines.
Contenu de la recherche :Des chercheurs du laboratoire SIG de l'Université du Zhejiang ont proposé un nouveau modèle de prédiction d'apprentissage profond, ChloroFormer, qui peut prédire efficacement la concentration de chlorophylle a dans les proliférations d'algues nuisibles dans l'océan et fournir des informations importantes pour l'alerte à la prolifération d'algues.
08 、Titre de l'article :Amélioration de la cartographie de la prospectivité minérale grâce à l'intelligence artificielle géospatiale : une approche de régression logistique pondérée par un réseau neuronal géographique, 2024.04
Interprétation chinoise :Meilleur que les cinq modèles avancés, le modèle GNNWLR proposé par l'équipe de Du Zhenhong à l'Université du Zhejiang : améliore la précision de la prédiction de la minéralisation
Contenu de la recherche :Une équipe de recherche de l'Université du Zhejiang a proposé une nouvelle méthode d'intelligence artificielle géospatiale - la régression logistique pondérée par réseau neuronal géographique (GNNWLR), qui peut non seulement améliorer considérablement la précision des prévisions minérales, mais également améliorer l'interprétabilité des prévisions minérales dans des scénarios spatiaux complexes.
09 、Titre de l'article :L'apprentissage implicite de l'organisation convective explique la stochasticité des précipitations, 2023.05
Interprétation chinoise :L'Université Columbia lance une version améliorée du réseau neuronal Org-NN pour prédire avec précision les précipitations extrêmes
Contenu de la recherche :Le laboratoire LEAP de l'Université Columbia a utilisé des simulations d'analyse des tempêtes mondiales et l'apprentissage automatique pour créer un nouvel algorithme qui résout le problème des informations manquantes et fournit une méthode plus précise pour prédire les précipitations extrêmes.
10.Titre de l'article :Apprentissage profond pour la prévision des débits et des inondations interrégionaux à l'échelle mondiale, 2024.05
Interprétation chinoise :En analysant et en formant les données de plus de 2 000 stations hydrologiques à travers le monde, l'équipe de l'Académie chinoise des sciences a publié ED-DLSTM pour réaliser la prévision des inondations dans les zones sans données de surveillance.
Contenu de la recherche :Une équipe de l'Institut des risques de montagne et de l'environnement de Chengdu, Académie chinoise des sciences, a proposé un nouveau modèle de prévision du ruissellement et des inondations basé sur l'IA, ED-DLSTM, pour résoudre le problème de la prévision du ruissellement dans les bassins fluviaux avec et sans données de surveillance dans le monde entier.
11.Titre de l'article :SuNeRF : Validation d'une reconstruction globale 3D de la couronne solaire à partir d'images EUV simulées, 2022.11
Interprétation chinoise :L’IA apporte de grandes contributions ! Un réseau neuronal reconstruit des images solaires en 3D, révélant pour la première fois les pôles solaires
Contenu de la recherche :Des chercheurs du Centre national de recherche atmosphérique (NCAR) du Colorado ont utilisé le réseau neuronal NeRF pour convertir des images bidimensionnelles du soleil en reconstructions tridimensionnelles, révélant pour la première fois les pôles du soleil.
12.Titre de l'article :Aménagement spatial des communautés urbaines via l'apprentissage par renforcement profond, 2023.09
Interprétation chinoise :Vaincre 8 planificateurs humains : l'équipe de Tsinghua propose un modèle de planification spatiale urbaine basé sur l'apprentissage par renforcement
Contenu de la recherche :L'équipe de recherche de l'Université Tsinghua a proposé un modèle et une méthode d'apprentissage par renforcement pour la planification spatiale des communautés urbaines et a réalisé un processus de planification urbaine dans lequel les planificateurs humains collaborent avec des algorithmes d'intelligence artificielle, fournissant une nouvelle idée pour la planification automatisée des villes intelligentes.
13.Titre de l'article : Un nouveau paradigme pour les prévisions météorologiques extrêmes à moyen terme : prévisions aléatoires probabilistes basées sur les forêts, 2023.02
Interprétation chinoise :L'Université d'État du Colorado publie le modèle CSU-MLP pour prédire les conditions météorologiques extrêmes à moyen terme à l'aide de l'algorithme de forêt aléatoire
Contenu de la recherche :Des chercheurs de l'Université d'État du Colorado et du SPC ont publié conjointement un modèle d'apprentissage automatique basé sur une forêt aléatoire, CSU-MLP, qui peut prévoir avec précision les conditions météorologiques extrêmes à moyen terme (4 à 8 jours).
14.Titre de l'article :Modèle de diffusion informé par la physique sociale pour la simulation de foule, 2024.02
Interprétation chinoise :Seuls 51 échantillons de formation TP3T sont nécessaires pour obtenir des performances optimales. L'équipe de recherche de l'Université Tsinghua a publié le modèle de diffusion de débruitage conditionnel SPDiff pour réaliser une simulation d'écoulement humain à longue portée
Contenu de la recherche :Une équipe de recherche de l'Université Tsinghua a proposé un modèle de diffusion de débruitage conditionnel SPDiff, qui peut utiliser efficacement la dynamique d'interaction pour simuler le comportement de la foule à travers un processus de diffusion guidé par les forces sociales.
15.Titre de l'article :Apprentissage spatio-temporel en quelques étapes via la génération de réseaux neuronaux diffusifs, 2024.04
Interprétation chinoise :Sur la base de données réelles provenant de sept grandes villes, l'équipe de l'Université Tsinghua a rendu le modèle GPD open source.
Contenu de la recherche :Le Centre de recherche en sciences urbaines et en calcul du Département de génie électronique de l'Université Tsinghua a proposé le modèle GPD, qui utilise le modèle de diffusion pour générer des paramètres de réseau neuronal et transforme l'apprentissage spatio-temporel en quelques coups en un problème de pré-formation pour le modèle de diffusion.
