کوانتومی، ناوبری هوش مصنوعی برنده جایزه نوآوری زمان شد. پرسش و پاسخ

هنگامی که GPS در دسترس نیست، برای عموم مردم معمولاً یک ناراحتی جزئی است که اغلب با رسیدن به مکانی با دریافت بهتر حل می شود. با این حال، این یک مسئله بسیار جدی تر برای هواپیماهای نظامی و غیرنظامی است که به طور فزاینده ای در معرض خطر پارازیت و جعل GPS توسط دولت-ملت ها و سایرین قرار دارند.

سیستم های ناوبری ژئومغناطیسی با استفاده از حسگرهای کوانتومی قدرتمند برای حرکت با استفاده از میدان مغناطیسی زمین یکی از راه حل های این موضوع است. SandboxAQ که در تقاطع فناوری‌های هوش مصنوعی و کوانتومی کار می‌کند، در اوایل سال جاری فناوری ناوبری غیرقابل تقلب خود AQNav را پس از آزمایش‌های گسترده با نیروی هوایی ایالات متحده (USAF)، بوئینگ و ایرباس منتشر کرد. در ماه جولای، SandboxAQ و USAF با موفقیت این فناوری را در هواپیمای USAF C-17 Globemaster III به نمایش گذاشتند.

AQNav اخیراً با ترکیب فناوری های کوانتومی و هوش مصنوعی به عنوان یکی از آنها شناخته شده است بهترین نوآوری های مجله تایم در سال 2024. تایم این پروژه را به عنوان یک پروژه پرشور برای مدیر کل ناوبری SandboxAQ و کارمند سابق گوگل، لوکا فرارا توصیف کرد.

در این پرسش و پاسخ، فرارا به بررسی سفر توسعه AQNav، چالش‌های محیط هواپیماهای نظامی به سیستم‌های کوانتومی و چگونگی ادغام رشته‌های مختلف، از جمله فیزیک و علوم کامپیوتر، برای موفقیت آن می‌پردازد.

مرتبط:شرکت هوش مصنوعی خودروهای صنعتی را خودمختار می کند

Enter Quantum: داستان اصلی AQNav چیست؟

لوکا فرارا: مفهوم ناوبری مغناطیسی با استفاده از قطب نما قدیمی است. استفاده از نقشه های میدان ناهنجاری که به اطلاعات بیشتری از میدان مغناطیسی زمین می پردازد، ریشه در گروه های دانشگاهی دارد.

زمانی که من در [Google’s innovation lab] X، زمانی که SandboxAQ هنوز در حدود سال 2020 در گوگل انکوبه می شد، تیم بر روی کاربردهای سنجش کوانتومی متمرکز بود. من برای بررسی استراتژی این گروه به خدمت اعزام شدم و متوجه شدم که تخصص اصلی این تیم روی آن کار می کند، فناوری سنجش کوانتومی، به ویژه در مغناطیس سنجی، می تواند برای این مشکل GPS و ناوبری اعمال شود.

اگر به آنچه در دانشگاه می‌گذرد نگاه کنید و از جدیدترین نسل تجهیزات، تکنیک‌ها و قابلیت‌های نرم‌افزار مدرن مبتنی بر ابر استفاده کنید، می‌توانید به سرعت به نقاط مختلف بپیوندید تا چیزی قابل استفاده توسعه دهید. بین سال‌های 2020 تا امسال، نمایش بی‌درنگ تجهیزاتمان در یک C-17 انجام شد. اما در آن دوره، ما در ابتدا با استفاده از روش الگوریتمی و تمرکز بر روی داده‌های دیگران، نکات اثباتی را پیدا کرده‌ایم.

یک بار از آن چرخیدیم [Google parent company] Alphabet، ما بر توسعه سیستم های سخت افزاری خود تمرکز کردیم. آنها یک مجموعه داده ایجاد می کنند که اطلاعات مورد نیاز ما در مورد محیط مغناطیسی را در بر می گیرد تا بتوانیم سیگنالی را از نویز بیرون بکشیم و از آن برای الگوریتم های اختصاصی خود در سمت تطبیق نقشه و ناوبری استفاده کنیم.

مرتبط:شرکت هواپیماهای بدون سرنشین مجهز به هوش مصنوعی بودجه اضافی را تضمین می کند، در مجموع بیش از 110 میلیون دلار

پشته اختصاصی است، اما کاری که ما با AQNav انجام داده‌ایم این است که فیزیک را به هم پیوند می‌دهیم، فیزیک را با سخت‌افزار بیرون می‌آوریم و از نرم‌افزار برای بیرون آوردن اطلاعات از سخت‌افزار استفاده می‌کنیم تا کاری خاص برنامه‌ای را در هسته انجام دهیم.

AQNav چگونه کار می کند؟

این یک معماری ماژولار است که حسگرهای موجود در شبکه را به‌عنوان ایجادکننده مجموعه داده‌ها در نظر می‌گیرد و به گونه‌ای طراحی شده است که اطلاعات کافی در آنها داشته باشند تا بتوانیم سیگنال را با هوش مصنوعی در هواپیما استخراج کنیم. سیگنال، در این مورد، به معنای برآورد میدان مغناطیسی زمین در مکانی است که سیستم ما در آن قرار دارد و اساساً وانمود می‌کند که هواپیما از نظر اعوجاج‌هایی که ایجاد می‌کند وجود ندارد.

از دیدگاه نرم‌افزاری، ما جریان‌های داده را تمیز می‌کنیم و سپس از نقشه‌های موجود میدان مغناطیسی زمین با استفاده از نوآوری‌هایی که در تئوری تخمین حالت ایجاد کرده‌ایم، استفاده می‌کنیم. ما ژئوفیزیکدانان متخصص حوزه را برای طراحی این الگوریتم‌هایی که از میدان مغناطیسی زمین استفاده فضایی می‌کنند، در اختیار داریم.

دلیل موفقیت ما این است که همه این رشته های مختلف را به صورت عمودی در داخل خود ادغام کرده ایم. ما حسگرهای کوانتومی خود را تولید نمی کنیم زیرا معتقدیم که رقابت و کیفیت کافی در آن حسگرها وجود دارد که بتوانیم امروز از آن استفاده کنیم. هماهنگی همه این چیزها باید اتفاق بیفتد تا یک راه حل موقعیت ایجاد شود.

ما در حال حاضر روی هوافضا تمرکز کرده‌ایم، زیرا مقدار داده‌ای که در میدان مغناطیسی زمین دارید و دقت موقعیتی که می‌توانید به طور واقعی از آن به دست آورید، بسیار مفید است. در کوتاه مدت، ما باور نداریم که ناوبری مغناطیسی به طور متوسط ​​GPS را شکست دهد یا دقتی مشابه GPS داشته باشد. اما در سطح جهانی، با نقشه‌هایی که امروزه وجود دارد، ما توانایی قانع‌کننده‌ای برای حفظ دقت مورد نیاز برای فعال کردن هواپیماها برای ادامه پرواز داریم و با گذشت زمان، این باید بهبود یابد.

فناوری کوانتومی به شدت به نویز محیطی حساس است و سوار شدن بر هواپیمای نظامی محیطی بسیار پر سر و صدا است. چگونه بر آن غلبه کردی?

این یک چالش واقعی است و شاید چالش اصلی. خبر خوب این است که مجموعه‌ای از دانش فنی، استانداردها، تکنیک‌ها و رویه‌ها در مورد نحوه کالیبره کردن مغناطیس‌سنج‌ها در هواپیما وجود دارد، زیرا سیستم‌هایی مانند سیستم مرجع نگرش و سرفصل (AHRS) از مغناطیس‌سنج‌های کالیبره‌شده واقع در بال‌ها برای انجام قسمت هدایت استفاده می‌کنند. .

شما کاری به نام چرخاندن هواپیما انجام می‌دهید، که از طریق وسایل الکترونیکی مختلف می‌گذرد، همه سیستم‌ها را هنگام روشن و خاموش شدن ضبط می‌کند، هواپیما را وادار به انجام مانورهای خاصی می‌کنید و تمام آن اطلاعات را برای کالیبره کردن سیستمتان ضبط می‌کنید. این نیاز به کمی جمع آوری داده دارد و هوش مصنوعی می تواند به استنباط بخشی از آن بدون نیاز به آن در مجموعه داده شما کمک کند.

هرچه در مورد مکان سخت افزار هوشمندتر باشید، یا از نظر مهندسی توانایی بیشتری در آن هواپیما داشته باشید تا حسگرهای خود را دورتر از آن منابع نویز قرار دهید، کار شما آسان تر می شود. این نقشه های میدان مغناطیسی با قرار دادن یک بوم در پشت یک هواپیما به طول حدود سه متر (10 فوت) ساخته می شوند.

اگر بتوانید دامنه را به درستی دریافت کنید، به اندازه کافی دور است تا کاملاً تمیز باشد. گاهی اوقات من وسوسه می شوم که تمام وقت خود را صرف پیدا کردن یک بوم بسیار آیرودینامیکی کنم، اما برای اکثر موارد استفاده غیرواقعی است که از هر چیزی که ارزش تجاری در مقیاس ندارد، استفاده کنم.

مقاله Time AQNav را به عنوان پروژه اشتیاق شما توصیف کرد. اشتیاق شما به این نوع فناوری از کجا آمده است؟

من یک کار روزانه در Google داشتم و وقتی کووید آمد، حوصله‌ام سر رفت، چون مثل همه از خانه کار می‌کردم، و این فرصت را پیدا کردم تا کارهای استراتژیکی را برای این گروه انجام دهم که هرگز نامش را نشنیده بودم، به نام SandboxAQ. وقتی متوجه شدم که آنها به دنبال درک بهتر چه چیزی هستند، قبلاً کمی در مورد A می دانستم، بنابراین تصمیم گرفتم در مورد کوانتوم و ناوبری بیاموزم و واقعاً جذاب بود.

چیزی که قرار بود 20 درصد از زمان من را بگیرد آرام آرام تقریباً تمام وقت من شد و خودم را در موقعیتی قرار دادم که کار روزانه ام کمی چسبنده شد. تصمیم گرفتم که این کار جدید من است و به آن متعهد باشم. کمی بعد، از آلفابت جدا شدیم و تیم فقط من بودم. تنها در سه سال، تیمی متشکل از چند ده نفر ساختیم و دستاوردهای زیادی به دست آوردیم.

دلیل اشتیاق سه چیز است. اول، فن آوری های جالب. این مانند یک سالاد کلیدواژه است، اما وضعیت نهایی آن فناوری ها به راحتی قابل درک و جالب است. فناوری‌های موقعیت‌یابی و سیستم‌های ناوبری چیزی است که بشریت در طول زمان توسعه داده است، مانند چالش طول جغرافیایی که بریتانیا در آن نقش بزرگی داشت. در نهایت، نیاز واقعی به این فناوری وجود دارد. بسیاری از فناوری‌ها و محصولات جالب چندان تاثیرگذار نیستند، اما من هرگز نباید این سوال را مطرح کنم که آیا این محصول برای جامعه مفید است یا خیر.

این شور و اشتیاق را تقویت می کند، زیرا هر چه برای واقعی سازی آن سخت تر تلاش کنیم، زودتر در دست مردم قرار می گیرد و زودتر می تواند روی آنها تأثیر بگذارد. این کششی است که بسیاری از افراد مانند من وقتی به دنبال پروژه می گردند به دنبال آن هستند.

این مقاله برای اولین بار در نشریه خواهر هوش مصنوعی منتشر شد کوانتوم را وارد کنید.