據spacedaily網7月25日報道 ，萊斯特大學的科學家正在開發一種小型化人工智能演算法，為更智能的航天器鋪平道路。
目前的機器學習演算法對於航天器計算系統有限的功率和效能容量來說過於龐大和復雜，這對開發更智能的航天器造成了重大障礙。萊斯特團隊透過采用一種新穎的稀疏分割並列 (SSP) 設計框架來克服這一挑戰，該框架能夠在不犧牲效能的情況下將大型多光譜遙感深度學習演算法壓縮至少 45%。該演算法的效率將在小型太空相容圖形處理單元 (GPU) 上展示，並透過配備多光譜有效載荷的無人機測試進行驗證，作為與商業夥伴合作實作太空準備的第一步。
萊斯特大學電腦與數學科學學院首席研究員 Tanya Vladimirova 教授表示：「迄今為止，在太空中還未實作具有深度學習水平的即時資訊提取。我們的新方法可以大大減少演算法規模，同時保持高精度效能，從而提供一種顛覆性的技術，有望解鎖各種來自太空的即時服務，而這些服務以前由於計算復雜性而無法實作。」
（編譯：天容）
連結：https://www.spacedaily.com/reports/Leicester_Team_to_Minimize_AI_Algorithms_for_Enhanced_Spacecraft_Intelligence_999.html
