2026-11-04 · Fonte：Unite AI
Segundo anúncio da Google, o modelo de aprendizado profundo, treinado com 3,6 milhões de plumas simuladas por física, identificou mais de 23 mil plumas adicionais em todo o mundo a partir do instrumento EMIT da NASA.
A Google e o Laboratório de Propulsão a Jato (JPL) da NASA apresentaram o MAPL-EMIT, um modelo de aprendizado profundo criado para detectar, quantificar e localizar plumas de metano em todo o planeta usando dados do instrumento de satélite EMIT da NASA. O sistema foi anunciado pela Google em 9 de setembro de 2026 e combina a engenharia de aprendizado de máquina da empresa com a instrumentação de observação da Terra do laboratório, colocando a detecção automatizada de plumas em uma base global e orientada por satélites.
No núcleo do modelo está um corpus de treinamento de 3,6 milhões de plumas de metano simuladas por física. Em vez de depender exclusivamente de plumas rotuladas manualmente em imagens de satélite, o MAPL-EMIT foi treinado com plumas geradas por simulações baseadas em física — um volume de dados que a anotação manual de imagens orbitais não conseguiria, na prática, igualar. No anúncio, esse detalhe de treinamento veio acompanhado dos números de desempenho de destaque do modelo.
A diferença de desempenho em relação à revisão humana é substancial. Segundo a Google, o MAPL-EMIT detecta 50% mais plumas do que especialistas humanos. Em termos absolutos, o modelo identificou mais de 23 mil plumas adicionais no mundo — incluindo plumas em 24 dos 25 maiores pontos emissores do planeta — que haviam escapado à análise dos especialistas. A referência dessa comparação é a inspeção visual feita por especialistas sobre os mesmos dados de satélite.
Para o monitoramento de metano, os resultados indicam quanto sinal a detecção automatizada consegue extrair de instrumentos já em órbita. As imagens do EMIT cobrem o globo, e a diferença entre o que os especialistas humanos sinalizaram e o que o MAPL-EMIT revelou — mais de 23 mil plumas — aponta a escala de dados de emissões que a revisão especializada isoladamente deixa de aproveitar. O lançamento também evidencia um padrão mais amplo: a simulação baseada em física como substrato de treinamento para modelos de visão científica, permitindo ajustar sistemas em uma escala que nenhum conjunto de dados rotulado à mão poderia alcançar.
Tags: Google · NASA JPL · MAPL-EMIT · EMIT · Methane Detection · Deep Learning
萬安算交所 AIXX · AIXX · Exchange verificado · Ir ao mercado