ИЗДАНИЕ СИБИРСКОГО ОТДЕЛЕНИЯ РОССИЙСКОЙ АКАДЕМИИ НАУК
Российский научный фонд продлил финансирование проекта SIMuRG
14
июля
2020
До 2022 года ученые планируют модернизировать систему SIMuRG, чтобы ускорить процесс обработки и значительно расширить банк данных. Будут также развиты методики компьютерного зрения применительно к задаче распознавания границ аврорального овала (овала полярного сияния) с использованием различных геофизических наблюдений. С прикладной точки зрения это позволит создать методы для предупреждения о возможном ухудшении связи и навигации в высокоширотной области.
Проект ведущего научного сотрудника Института солнечно-земной физики СО РАН (Иркутск) кандидата физико-математических наук Юрия Владимировича Ясюкевича «Создание системы сбора, обработки и машинного анализа больших объемов данных глобальных навигационных спутниковых систем для задач исследования околоземного космического пространства» победил в конкурсе Российского научного фонда. Для продления финансирования отбирались работы Президентской программы исследовательских проектов 2017 года, которые реализовывались под руководством молодых ученых. Проект продлен на два года — до 30 июня 2022 года. На его реализацию будет выделяться пять миллионов рублей ежегодно.
Система SIMuRG, созданная в рамках проекта, уже умеет собирать, обрабатывать и анализировать большие объемы данных глобальных навигационных спутниковых систем, чтобы потом с их помощью исследовать околоземное космическое пространство. Юрий Ясюкевич отметил, что основа SIMuRG уже готова. Она активно используется и учеными ИСЗФ СО РАН, и зарубежными коллегами. Эксперты РНФ отметили, что полученные результаты могут быть использованы для модернизации системы ГЛОНАСС (прогнозирование состояния ионосферы, степень влияния на точность позиционирования).
Среди дальнейших задач проекта — создание методов обнаружения мелкомасштабных ионосферных возмущений, воздействующих на радиотехнические системы, средствами машинного обучения и компьютерного зрения. Кроме того, ученые разработают технические рекомендации по повышению прогностических качеств существующих моделей ионосферы.
«Много сложностей и новых направлений открылось в использовании возможностей машинного обучения. Речь идет о применении искусственного интеллекта, с учетом доступных нам вычислительных мощностей, чтобы получать регулярный каждодневный результат», — отметил Юрий Ясюкевич.