Optimiertes KI-Modell verbessert globale Möglichkeiten zur Geodatenanalyse
Gemeinsam mit der NASA und IBM Research hat das JSC eine erweiterte Version des Open-Source-Grundmodells für künstliche Intelligenz (KI) im Geodatenbereich, Prithvi-EO, veröffentlicht. Das aktualisierte Modell (Privithi-EO-2.0) unterstützt eine breitere Palette geografischer Anwendungen: Es integriert globale Satellitendaten und ermöglicht so fortschrittliche Erdbeobachtungsanwendungen weltweit: So etwa die Verfolgung von Flächennutzungsänderungen, die Katastrophenüberwachung, die Vorhersage von Ernteerträgen und die Umweltanalyse.
Prithvi-EO-2.0 wurde vorab auf dem JUWELS-Booster-Modul des JSC mit 240 NVIDIA A100-Grafikprozessoren trainiert. Nun ist es auf Hugging Face verfügbar – mit neuen 300M- und 600M-Parametermodellen, die zeitliche und räumliche Einbettungen enthalten. Ein technisches Dokument wurde über arXiv bereitgestellt.
Das SDL (Simulation and Data Lab) AI and ML for Remote Sensing des JSC zielt darauf ab, die interdisziplinäre Forschung durch die Kombination von Fernerkundungsanwendungen, KI und leistungsstarkem undinnovativem Computing zu fördern. Ein integraler Bestandteil der Arbeit an Prithvi-EO-2.0 zu sein, ist ein wichtiger Schritt in diese Richtung. Das SDL ist eng mit der Universität Island und der IEEE Geoscience and Remote Sensing Society (GRSS) verbunden, die maßgeblich an der Zusammenarbeit mit der NASA und IBM Research beteiligt waren.
„Mit Blick auf die Zukunft wird die Betriebsphase von JUPITER Prithvi-EO noch weiter vorantreiben, indem es Exascale-Computing-Ressourcen nutzt und der Erdbeobachtungsgemeinschaft noch leistungsfähigere Werkzeuge für ihre Anwendungen zur Verfügung stellt“, sagt der stellvertretende Leiter des SDL AI and ML for Remote Sensing, Dr. Rocco Sedona (JSC). „Prithvi-EO-2.0 ist ein bedeutender Fortschritt in der globalen Geodatenanalyse und bietet robuste Open-Source-Lösungen zur Bewältigung drängender Umweltprobleme“, fügt Prof. Gabriele Cavallaro, Leiter des Labs, hinzu. „Wir freuen uns sehr, an dieser bedeutenden Fortentwicklung mitzuwirken.“
Ursprünglich im August 2023 gestartet, wurde Prithvi-EO vorab auf dem Harmonized Landsat and Sentinel-2 (HLS) Datensatz der NASA trainiert und nutzte die Vision Transformer (ViT)-Architektur unter Verwendung eines Ansatzes mit maskiertem Autoencoder (MAE). Prithvi-EO-2.0. Die neue Version erzielt bei verschiedenen georäumlichen Aufgaben eine deutlich bessere Leistung. Sie wurde mit 4,2 Millionen globalen Zeitreihenproben von HLS trainiert, die verschiedene Ökoregionen und Landschaften weltweit abdecken.
Weitere Informationen über die Forschungs- und Arbeitsaktivitäten des SDL „KI und ML für die Fernerkundung“: https://www.fz-juelich.de/en/ias/jsc/about-us/structure/simulation-and-data-labs/sdl-ai-ml-remote-sensing
Offizielle Pressemitteilung der NASA: Expanded AI Model with Global Data Enhances Earth Science Applications - NASA Science
Kontakt: Rocco Sedona (JSC), Gabriele Cavallaro (JSC, University of Iceland)