Нейросеть различила шесть классов снежинок
Швейцарские ученые разработали компьютерный алгоритм, который способен автоматически распознавать шесть классов твердых атмосферных осадков с точностью до 95 процентов.
Понимание микрофизики гидрометеоров важно для оценки атмосферных осадков, в частности их количества. Сейчас такая оценка проводится путем дистанционного зондирования Земли, например с помощью космических спутников, и математического моделирования — численного прогноза погоды (NWP). При этом точность методов зависит от полноты данных о микроструктуре дождевых капель или снежинок — морфологии, размера, массы, агрегатного состояния, — их сбором занимаются поляриметрические метеорадары или бортовые датчики самолетов. Однако существующие системы, как правило, не позволяют быстро типизировать гидрометеоры и являются дорогими в обслуживании.
Более перспективными для анализа метеоданных считаются технологии на основе метода главных компонент (PCA) и искусственных нейросетей. Так, согласно прошлым работам, подобные алгоритмы могут автоматически классифицировать облака с точностью свыше 80 процентов. Получить высококачественные изображения гидрометеоров, в свою очередь, позволяют мультиракурсные камеры для съемки снежинок (Multi-Angle Snowflake Camera, MASC). Эти системы оснащены тремя камерами, расположенными под углом 36 градусов, с разрешением 33 микрометра на пиксель. В ходе съемки MASC делает монохромные стереографические снимки объектов размером 100–100 000 микрометров.
В новой статье исследователи из Федеральной политехнической школы Лозанны и Федерального ведомства по метеорологии и климатологии (MeteoSwiss) описали технологию автоматизации анализа изображений, сделанных с помощью MASC. На первом этапе авторы собрали более двух миллионов снимков снежинок в Альпах и на базе французской научной антарктической станции Дюмон Д’Юрвиль в 2600 километрах от Южного полюса. Затем в полуавтоматическом режиме они оценили текстуру, морфологию и форму гидрометеоров, выявив закономерности: в частности, прямоугольные узоры были характерны для столбчатых кристаллов, тогда как у плоских они имели гексагональную форму, а у крупы — коническую.
Поскольку снимки были сделаны наземными камерами и включали в себя не все возможные образцы, ученые упростили десятиклассовую типизацию метеорологов Чожи Магоно (Chōji Magono) и Чунг Ву-Ли (Chung Woo Lee), известную с 1966 года. В результате они получили шесть классов снежинок: малые частицы (SP), столбчатые кристаллы (CC), планарные кристаллы (PC), сочетающие столбчатые и планарные кристаллы (CPC), агрегаты (AG) и крупы (GR). После этого группа создала алгоритм, который обучала методом мультиноминальной логистической регрессии (MLR) на 3712 снимках. Последующие испытания показали, что алгоритм хорошо справляется с распознаванием 94,7 процента снежинок, в том числе подтаявших.
По словам авторов, показатель можно увеличить за счет тренировки нейросети на большем количестве данных. Примечательно, что частота выпадения разных классов гидрометеоров оказалась связана с регионом: около половины (49 процентов) снежинок в Альпах исследователи отнесли к агрегатам, меньше — к малым частицам и крупе. В Антарктиде, согласно классификации, преобладают малые частицы (54 процента) и наблюдается меньше агрегатов и крупы. Также любопытно, что «звездные дендриты», часто ассоциирующиеся с «идеальными» снежинками, встречались одинаково редко: для Антарктиды и Альп этот показатель составил пять и десять процентов соответственно.
Статья опубликована в журнале Atmospheric Measurement Techniques.
В галактике Маркарян 231, расположенной в полумиллиарде световых лет от нас, нашли облака молекулярного кислорода — впервые где-либо вне Млечного Пути.
Периваскулярная жировая ткань вокруг сосудов не только накапливает липиды, но и непосредственно влияет на релаксацию сосудистых тканей.
На борту круизного лайнера Diamond Princess в феврале 2020 года случился настоящий разгул эпидемии Covid-19. Судно поместили на карантин, во время которого по идее пассажиры должны были отсиживаться по каютам. Несмотря на это, каждый шестой там заболел. За пределами Китая нигде больше нет такого числа заразившихся — ни в одной стране. Стали говорить, что этот корабль — прообраз будущей эпидемии коронавируса по всей планете. Мол, раз тут карантин не помог, значит, не сдержит болезнь и в мировом масштабе. На самом деле, задолго до коронавируса путешествия на круизных лайнерах стали называть «плаванием к болезни». Предположительно роскошное времяпрепровождение часто оборачивалось инфекцией и до коронавируса. Не приходится удивляться, что новому вирусу пришлись по вкусу именно круизные лайнеры. Почему так — рассказываем ниже.
Один из наиболее полезных режимов питания оказался хорош с неожиданной стороны: выяснилось, что он способствует развитию кишечных бактерий, связанных с улучшением качества жизни пожилых людей.
По мнению исследователей, мидии погибли вследствие «теплового стресса», вызванного повышением температуры океана.
В галактике Маркарян 231, расположенной в полумиллиарде световых лет от нас, нашли облака молекулярного кислорода — впервые где-либо вне Млечного Пути.
Экспериментальные данные указали на виды физических нагрузок, которые стимулируют нейропластичность мозга.
Недавняя научная работа предрекла серьезную эпидемию коронавируса 2019-nCoV. Согласно ей, 95% зараженных еще не зарегистрированы властями, а значит, через пару недель в одной Ухани будут сотни тысяч заболевших. При наблюдаемой смертности от вируса в 2,36% — это многие тысячи погибших. На самом деле, новая работа скорее «ловит хайп» или, если угодно, пытается держать мир настороже, чем описывает реальную эпидемию. Последние данные по заразности коронавируса показывают: он действительно неблестяще передается от человека к человеку. Для эпидемии в Китае этого достаточно, но большое число жертв за пределами этой страны маловероятно. Выясняем почему.
Ученые создали информационную панель, показывающую распространение китайского коронавируса по миру в режиме реального времени. Данные вносятся из подтвержденных источников — это поможет бороться с дезинформацией.
