Earth&Climate Tech

​​Велогонка Париж-Рубе - Северный Ад и при чем тут геология ПЯТНИЦА! Йииихууу! Велогонка Париж-Рубе - это однодневная профессиональная велогонка на севере Франции, которая начинается к северу от Парижа и заканчивается в Рубе, на границе с Бельгией. Я то не велосипедист ❌🚴‍♂️, но недавно узнал, что это довольно престижная велогонка, которую одновременно проклинают и одновременно мечтают преодолеть! Эту велогонку часто называют Северный Ад или Воскресенье в Аду 🔥 не просто так. Велогонка буквально превращается в гонку на выживание, где велосипедисты скользят, измазываются в грязи, крови и пыли, сбивают соперников и сами падают, теряя равновесие. Ну да, как вы поняли все не просто так 🙄. На протяжении маршрута велогонки много участков дороги из брусчатки. Булыжники брусчатки состоят из вулканических и осадочных горных пород, а опасные скользкие и пыльные участки дороги покрыты лёссом ледникового периода! Северная Франция покрыта «лёссовым» покровом: переносимые ветром пылеватые зерна, образовавшиеся в тундрах рядом с ледниками, которые росли и сокращались в Европе в течение последних нескольких сотен тысяч лет. Лёсс, когда сухой - сплошная пыль. Когда мокрый - скользкий как лёд. Ну и грязища от него неимоверная. Французским фермерам нужно было прокладывать дороги в этой лёссовой грязище. Поэтому они находили вулкнические и известковые булыжники, остатки старого континента Авалонии, и мостили ими дорогу. Наконец, вечная мерзлота и таяние ледников образовали выветрившийся, рыхлый верхний слой почвы, который медленно сползает в речные долины, образуя крутые склоны этой велогонки. "Благодаря" этому адовому геологическому миксу, велогонщики скользят в лёссовой грязи, измазываются в лессовой пыли и крови от падения на вулканическую брусчатку, и соскальзывают с трассы. Надеюсь велосипедистам это нравится! 😀

Первое флагманское направление Стэфнорда в области устойчивого развития Стэнфордская школа устойчивого развития (бывшая школа Земли) объявила свое первое флагманское направление в научно-исследовательской деятельности, и это - удаление парниковых газов из атмосферы. Основным элементом флагманского направления будет определение путей финансирования и разработка политик для инновационных и масштабируемых идей в этой области. В Стэнфорде считают, что одним из компонентов успеха будет создание концепций экологической и энергетической справедливости (environmental and energy justice) в качестве центральных элементов при оценке жизнеспособности и масштабируемости потенциальных проектов в этой области. То есть баблишко из Стэнфордских акселераторов, а также финансирование учебных и исследовательских программ со следующего года будет сфокусированно на этом. Я это так. Хозяйке на заметку. Ведь Стэнфорд будучи одним из самых влиятельных американских университетов, находясь при этом в Кремниевой долине, так или иначе влияет своими решениями и проектами на все что связано в области климатических технологий. Будь то стартап или очередной вебинар на тему. Надеюсь следующие флагманские направления будут немного в другой области.

Вышел новый подкаст с @crimeacs про землетрясения Землетрясения, которые произошли в начале года в Турции и Сирии, привели к гибели более 50 тысяч человек и разрушили множество зданий. В связи с этим возник вопрос о причинах такой катастрофы и о возможных мерах предотвращения. Меня (а еще Кирилла и Александра) пригласили в последний выпуск научно-популярного подкаста "Юра, мы всё узнали!" , чтобы мы пролили свет на причины землетрясений и способы минимизации их последствий. Яндекс.Музыка Spotify Apple Podcasts Castbox

DINOv2 для оценки высоты кроны деревьев в масштабе меньше метра Вслед за моделью SAM, которая выделяет (сегментирует) любые объекты на изображении, компания Мета выпустила модели компьютерного зрения с самообучением DINOv2. По сути это метод обучения моделей компьютерного зрения, использующий самообучение для достижения результатов, которые превосходят стандартные подходы (судя по релизу). ИИ сейчас развивается с безумной скоростью конечно. Но мое внимание привлек не сам DINOv2, хотя я очень впечатлен, просто для себя юз кейса не нашел пока, а видео из официального релиза, где Мета показывает как можно применять эту модель для оценки высоты кроны деревьев по всему миру. Картирование растительности имеет большое значение для понимания углеродного цикла. Структура леса может быть пространственно неоднородной, и оценка высоты и площади кроны позволяют наблюдать деградацию существующих лесов, естественное лесовосстановление, или внедрение устойчивых методов ведения сельского хозяйства. Оказывается Мета работала в сотрудничестве с The Global Restoration Initiative и применяла наработки DINOv2 для картирование лесных массивов и оценки высоты крон деревьев в МАСШТАБЕ КОНТИНЕНТОВ и разрешении меньше метра! Меня впечатлило. Кроме того они выпустили совместную научную статью по этому поводу, где описывают процесс обучения модели на спутниковых данных и данных лидаров. Мета что-то задумала в области компьютерного зрения. Иначе объяснить такое количество масштабных ИИ работ в такой короткий срок не объяснить. 📖 Статья

Видео опубликованное Мета

​​DINOv2 для оценки высоты кроны деревьев в масштабе меньше метра Вслед за моделью SAM, которая выделяет (сегментирует) любые объекты на изображении, компания Мета выпустила модели компьютерного зрения с самообучением DINOv2. По сути это метод обучения моделей компьютерного зрения, использующий самообучение для достижения результатов, которые превосходят стандартные подходы (судя по релизу). ИИ сейчас развивается с безумной скоростью конечно. Но мое внимание привлек не сам DINOv2, хотя я очень впечатлен, просто для себя юз кейса не нашел пока, а видео из официального релиза, где Мета показывает как можно применять эту модель для оценки высоты кроны деревьев по всему миру. Картирование растительности имеет большое значение для понимания углеродного цикла. Структура леса может быть пространственно неоднородной, и оценка высоты и площади кроны позволяют наблюдать деградацию существующих лесов, естественное лесовосстановление, или внедрение устойчивых методов ведения сельского хозяйства. Оказывается Мета работала в сотрудничестве с The Global Restoration Initiative и применяла наработки DINOv2 для картирование лесных массивов и оценки высоты крон деревьев в МАСШТАБЕ КОНТИНЕНТОВ и разрешении меньше метра! Меня впечатлило. Кроме того они выпустили совместную научную статью по этому поводу, где описывают процесс обучения модели на спутниковых данных и данных лидаров. Мета что-то задумала в области компьютерного зрения. Иначе объяснить такое количество масштабных ИИ работ в такой короткий срок не объяснить. 📖 Статья

Местный или турист? Забавный проект на flickr Местные и Туристы (Locals and Tourists). Красные точки - фотографии сделанные туристами, синие точки - фотографии сделанные местными жителями, желтые - обе категории. И так для 136 городов. На фоточках Сан Франциско (все фоткаются на Голден Гейте и почему-то в Алькатрасе) и Москва (всем нужна фотка Кремля). Там много интересного, например, такое ощущение, что в Венеции и во Флоренции у местных вообще камер и фотоаппаратов нет.

В Техасе взоравались 18000 коров 🤯🐄🔥 Вот вам и climate tech. Метан естественным образом вырабатывается коровами на молочных фермах путем кишечной ферментации. На техасской ферме произошло замыкание и метан, выделяемый коровами не хило так рванул (по предварительной версии). Умерли около 18000 коров и один человек пострадал. Интересно, есть ли компании которые собирают естественный метан и перепродают, например?

Науки о Земле 101 Так, пока я в отпуске писать что-то не сильно получается. Вот вам за это крутейшая книга, которую можно скачать - Introduction to Earth Science. Внутри много всего интересного, для начинающих ученых и инженеров. Мне нравится, что есть вводная глава, где объясняется что такое наука и научные исследования. А преподаватели могут использовать книгу как учебник в своих корыстных преподавательских целях и состряпать вводный курс на ее основе. Там и вопросы для оценки знаний есть 👨‍🎓.

​​Streamlit.io- реальное приложение по-быстрому Пользуетесь? Streamlit - платформа для создания веб-приложений. Не требует серьезных знаний в этой области, можно за пару часов научиться, но и приложения простенькие. Подходит идеально для визуализации больших данных или демонстрации моделей машинного обучения. Можно сделать полноценное веб-приложение, можно запускаться локально, чисто внутри офиса достижениями похвастаться:). В streamlit интегрированы Pandas, Plotly, Matplotlib, Numpy, Scikit-learn - названия, так сказать, не последние для практикующих в Питоне инженеров. Я как-то постил примеры streamlit «гео» приложений. Для геоинформационных систем - тут, или вот вообще платформа для сейсмических данных, или Стэнфордские эксперименты ccsnet.ia по применению машинного обучения для прогноза утечек CO2(оттуда картинка). Мой главный кейс для streamlit приложений - демонстрировать модели машинного обучения. Удобно и красиво. Попробуйте!

​​Золото из морской воды 🌊. Мечта, которой не суждено было сбыться Ну пятница ведь. Давайте о чем-нибудь интересном. Например, об очередном ученом, который придумал как спасти страну от катастрофы и добыть золото из морской воды 🤯. Фритц Хабер, химик, нобелевский лауреат, и довольно неоднозначная личность (разрабатывал химическое оружие). Он был настолько удручен поражением Германии в первой мировой войне, что решил ее спасти от экономического забвения, в котором страна оказалась после Версальского договора. В начале 20-го века уже было известно, что в морской воде куча химических элементов, в том числе и золота. Хабер считал, что золота в мировом океане МИЛЛИОНЫ ТОНН, а точнее 65 миллиграмм на тонну морской воды, и его хватит, чтобы создать «бесплатный» источник денег для Германии. Схема выглядела вполне работабщей 🤌. Хабер с командой разработали огромные центрифуги и применяли прогрессивные знания элеткрохимии. Все было готово к покорению океана 💸. Но, как вы поняли, все так и осталось в мечтах ученого. Чтобы подтвердить свои гипотезы, команда Хабера отправилась в путешествие по сбору океанической воды по всему миру. После серьезных химических анализов, выяснилось, что Хабер ошибся...примерно на тысячу. То есть концентрация не 65 миллиграмм, а 65 микрограмм на тонну воды 🤦‍♂️. В итоге получилось, что добыча золота из морской воды стоит больше, чем стоимость чистого золотишка. В общем Фритц не рассчитал косты и риски. Поговаривают, что Хабер очень расстроился и винил себя, что не обнаружил ошибку на ранних стадиях проекта. ...и в качестве финального аккорда - Американское Химическое Общество все еще считает, что в мировом океане золота на ‼️700 триллионов долларов‼️ 😀. Смысл в том, что это очередная история, когда большая и казалось бы целесообразная идея "по спасению человечества" на самом деле оказывается провальной и экономически нецелесообразной. Возможно множество "спасительных" проектов сейчас также себя не оправдают и уйдут в забвение. Хороших выходных!

Нейросеть для анализа землетрясений Привет сообщество! Я тут выложил в открытую альфу свою новую нейронку, которая анализирует землетрясения. И мне нужна ваша помощь в тестировании и оптимизации. Даже если вы ничего не знаете о землетрясениях вы можете почитать код и оптимизировать глупости всякие. Пишите коменты что непонятно (в коде, в тексте), какие вопросы и как улучшить. Оставляйте пул реквесты (spaces можно клонировать, как обычный гит) Буду супер рад! 🤗 Демка @crimeacs

В продолжение поста выше вынесу из в комментов свое печально-веселое настроение. Просто у меня задачи на 70% в этой области. Я как-то был задействован в проекте по сегментации утечек метана из промышленных объектов. Настраивал Mask-R-CNN два месяца. А тут просто загрузил картинку и все, утечка метана выделена (светло-коричневым). обидно блин.

AI модель от Мета, которая может стать chatGPT3 в мире компьютерного зрения Возможно это "chatGPT3-moment" для ИИ в области компьютерного зрения, посмотрим. Только что мета выкатила проект SAM - Segment Anything - модель обученная на самом большом датасете по выделению объектов на изображении. И модель и датасет выложены в открытый доступ. 🔥 SAM позволяет пользователям сегментировать объекты одним щелчком мыши. 🔥 SAM может автоматически находить и маскировать ВСЕ объекты на изображении. 🔥 SAM может генерировать маску сегментации для любой подсказки в режиме реального времени, что позволяет взаимодействовать с моделью в реальном времени. 🔥 Согласно статье работает замечательно для Zero-Shot Learning задач. То есть, когда надо настроить модель для своего датасете и очень быстро без трудоемкого обучения. Они сделали даже демо, но оно, видимо, перегружено запросами, у меня пока не открылось. В наших делах по интерпретации и выделению объектов - это может быть прорывна штука. Посмотрим.

AI модель от Мета, которая может стать chatGPT3 в мире компьютерного зрения Возможно это "chatGPT3-moment" для ИИ в области компьютерного зрения, посмотрим. Только что мета выкатила проект SAM - Segment Anything - модель обученная на самом большом датасете по выделению объектов на изображении. И модель и датасет выложены в открытый доступ. 🔥 SAM позволяет пользователям сегментировать объекты одним щелчком мыши. 🔥 SAM может автоматически находить и маскировать ВСЕ объекты на изображении. 🔥 SAM может генерировать маску сегментации для любой подсказки в режиме реального времени, что позволяет взаимодействовать с моделью в реальном времени. 🔥 Согласно статье работает замечательно для Zero-Shot Learning задач. То есть, когда надо настроить модель для своего датасете и очень быстро без трудоемкого обучения. Они сделали даже демо, но оно, видимо, перегружено запросами, у меня пока не открылось. В наших делах по интерпретации и выделению объектов - это может быть прорывна штука. Посмотрим.

Стартап акселератор для Climate&EnergyTech SixLab - это стартап акслератор от Шелл, который фокусируется на стартапах ранней стадии, работающих в только в области климата или энергии. Сейчас у них идет набор в батч 2023. Подать заявку можно - тут до 17 апреля. Программа рассчитана на шесть месяцев, с занятостью 2-4 часа в неделю. Инвестируют $50-250k. Время еще есть! ☺️

​​GeoTorchAI - геопространственное глубокое обучение Геопространственное глубокое обучение может изменить то, как мы понимаем нашу планету, как мы взаимодействуем с окружающей средой и как мы ведем бизнес. Автоматизированное извлечение информации из огромного массива данных, в основном спутниковых, позволяет сделать много всего интересного от прогноза погоды и климатических изменений до прогноза автомобильных пробок и классификации лесных массивов. У PyTorch есть фреймворк для таких задач - GeoTorchAI. Он позволяет эффективно внедрять модели глубокого обучения для геопространственных приложений, например для классификации и сегментации путниовых снимков или прогноза потока городского трафика. В общем прикольная штука для тех у кого интересы в этой сфере.

Обзор методов по применению машинного обучения в сейсмике от Руслана Мифтахова Йоу, у Руслана Мифтахова вышло очередное супер-качественное видео про эволюцию автоматической интерпретации сейсмических данных. Сейсмические данные являются ключевым элементом для изучения подземного мира. Без сейсмических данных, открытие месторождений и их разработка может быть очень сложной и неэффективной, ведь это своего рода подземный сканер. Поэтому, сейсмические данные являются неотъемлемой частью любой работы по изучению подземного мира и поиску полезных ископаемых. Но интерпретировать эти данные та еще задачка. А полностью автоматизировать их интерпретацию это покруче вашего GPT-4 для компаний работающих в сфере подземных ресурсов. На этом видео Руслан наглядно показывает как машинное обучение повлияло на интерпретацию сейсмики. Очень интересно, и как обычно, круто сделано. Как бонус, в описании к видео ссылки на статьи по этой же теме.

#история (которую я часто рассказываю в своём курсе) На одном из хакатонов, который проводила крупная нефтяная компания, в финале участники выступали с презентациями о своих решениях задачи прогнозирования дебита нефти... Почти все настраивали бустинг (различались лишь библиотеки), генерировали признаки, искали лики и т.п. Предпоследним вышел парень из Уфы, который занял 2е место в лидерборде, и сказал: я не очень понимаю смысл всего, что тут говорилось, такие слова как "бустинг" я слышу в первый раз. Я учусь "в нефтянке", нас учили, что есть такая формула для дебита (выводит на слайд небольшую формулу), я просто в неё подставил известные значения, а неизвестные прикинул, какими они могли бы быть.

Классная история, тоже много таких встречал. Вот вам и дип лернинг, формулы знать надо!😀