🚀 Как ИИ для космоса принёс стипендию Гагарина Поздравляем нашего коллегу — Никиту Белякова, аспиранта, младшего инженера-исследователя Центра ИИ Сколтеха, с победой в конкурсе на стипендию имени Ю.А. Гагарина в области исследования и использования космического пространства. Никита представил серию работ, посвящённых применению методов машинного обучения и нейросетей для обработки космических данных: ◾️В исследовании «Уточнение векторов состояния спутников на основе ILRS с использованием машинного и глубокого обучения» предложен подход, объединяющий традиционные орбитальные TLE-данные с измерениями международной системы лазерной дальнометрии. Использование моделей машинного и глубокого обучения позволяет существенно снизить ошибки определения орбитальных параметров по сравнению с классическими методами, особенно для объектов с ограниченным объёмом наблюдений. Результаты важны для задач корректировок орбит космических аппаратов, безопасных и точных маневров, обеспечения безопасности космических миссий и отслеживанию космических аппаратов. ◾️Ещё одно крупное направление — анализ климатических структур на спутниковых изображениях. В исследовании «Нейросетевая сегментация облачности и снежного покрова по мультиспектральным данным российского геостационарного спутника Электро-Л №2» представлен специальный нейросетевой подход для работы с низкоразрешающими мультиспектральными данными. Этот метод эффективно решает проблему нестабильности, характерную для традиционных алгоритмов в таких условиях. Разработанная модель позволяет повысить точность отделения климатических структур снега и облачности, что расширяет возможности использования отечественных спутниковых данных в прикладных задачах метеорологии и мониторинга Земли. ◾️В исследовании «Синтетическая нейросетевая генерация климатических структур на мультиспектральных данных дистанционного зондирования Земли (ДЗЗ)» был разработан специальный метод аугментации данных, который реалистично «дорисовывает» облака, тени и снежные структуры в мультиспектральных спутниковых изображениях, что позволяет значительно увеличить разнообразие обучающей выборки и повысить качество сегментации редких и сложных климатических структур без необходимости в дополнительной ручной разметке. 🎉 Никита также был победителем конкурса на разработку авторского курса по машинному обучению для анализа космических данных Фонда «Интеллект». Курс был успешно реализован и апробирован на факультете космических исследований МГУ в 2024 году, объединив современные методы ИИ с практическими задачами ДЗЗ.