Оценка эффективности применения нейросетевых технологий к решению астрономических задач
|
Аннотация 2
ВВЕДЕНИЕ 3
1. Теоретические основы и постановка задачи 7
1.1 Задача двух тел 7
1.2 Основы автоматизации анализа в программе AstroScan 8
1.3 Нейросетевые модели и ChatGPT 9
1.3.1 Архитектура ChatGPT 10
1.3.2 Математический аппарат ChatGPT 10
1.3.3 Применение ИИ в инженерной и научной практике 12
2. Разработка ПО для решения астрономических задач
с использованием ИИ 14
2.1 Описание ПО для вычисления орбит астероидов 14
2.2 ПО AstroScan 16
2.2.1 Описание AstroScan 16
2.2.2 Интерфейс AstroScan 19
2.2.3 Применение AstroScan 21
2.3 Использование нейросетвой модели ChatGPT в процессе работы 23
2.3.1 Примеры задач применения ИИ 23
2.3.1 Проблемы достоверности при использовании ИИ 25
3. Оценка эффективности и практическое применение ПО 27
3.1 Сравнение ручного, автоматического и нейросетевого подхода 27
3.2 Социологическое исследование 28
ЗАКЛЮЧЕНИЕ 32
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ И ЛИТЕРАТУРЫ 35
Приложение А 37
Приложение Б 44
Приложение В 45
Приложение Г 46
Приложение Д 47
Приложение Е 49
ВВЕДЕНИЕ 3
1. Теоретические основы и постановка задачи 7
1.1 Задача двух тел 7
1.2 Основы автоматизации анализа в программе AstroScan 8
1.3 Нейросетевые модели и ChatGPT 9
1.3.1 Архитектура ChatGPT 10
1.3.2 Математический аппарат ChatGPT 10
1.3.3 Применение ИИ в инженерной и научной практике 12
2. Разработка ПО для решения астрономических задач
с использованием ИИ 14
2.1 Описание ПО для вычисления орбит астероидов 14
2.2 ПО AstroScan 16
2.2.1 Описание AstroScan 16
2.2.2 Интерфейс AstroScan 19
2.2.3 Применение AstroScan 21
2.3 Использование нейросетвой модели ChatGPT в процессе работы 23
2.3.1 Примеры задач применения ИИ 23
2.3.1 Проблемы достоверности при использовании ИИ 25
3. Оценка эффективности и практическое применение ПО 27
3.1 Сравнение ручного, автоматического и нейросетевого подхода 27
3.2 Социологическое исследование 28
ЗАКЛЮЧЕНИЕ 32
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ И ЛИТЕРАТУРЫ 35
Приложение А 37
Приложение Б 44
Приложение В 45
Приложение Г 46
Приложение Д 47
Приложение Е 49
Современная наука характеризуется резким увеличением объемов информации, требующих анализа и её обработки. Особенно ярко данная тенденция проявляется в таких областях, как астрономия и космическая геодезия, где ежедневно поступают огромные массивы данных от космических телескопов, спутников и обсерваторий. Обработка полученных данных традиционными методами становится всё менее эффективней из-за большого количества информации, что приводит к необходимости внедрения новых подходов её обработки. Одной из наиболее перспективных технологий являются нейросети, способные анализировать сложные задачи с многомерными массивами данных и адаптироваться к новым задачам.
В последние годы наблюдается устойчивый рост интереса к применению искусственного интеллекта (ИИ) и, в частности, нейросетевых моделей в различных областях естественнонаучных исследований. ChatGPT является популярной нейросетью, разработанной компанией OpenAI. Её архитектура позволяет проводить генерацию текстов, обработку естественного языка, а также интеграцию с внешними источниками данных. Их также можно адаптировать и для решения численных задач, визуализации орбит, автоматизации парсинга научных баз данных и других процессов.
Данная работа посвящена оценке эффективности применения нейросетевых технологий для решения задач в области астрономии. Особое внимание уделяется практическим аспектам реализации программных решений, включающих в себя элементы искусственного интеллекта, автоматизированную работу с внешними базами данных, обработку, структурирование и визуализацию данных с помощью современных инструментов программирования.
Актуальность исследования обусловлена необходимостью
автоматизации процессов сбора и обработки информации. Традиционные методы становятся менее эффективными и требующими большого количества времени в анализе массивной информации, получаемой в результате наблюдений космических объектов. Использование нейросетевых технологий предоставляет возможность ускорить обработку данных, снижая время затратность, а также может стать подручным ассистентом в выполнении поставленных задач.
Объектом исследования являются астрономические задачи, требующие анализа большого объема параметрических данных.
Предметом исследования являются нейросетевые технологии и методы машинного обучения, включая их применение для автоматизации обработки астрофизических и численных данных.
Целью настоящей работы является разработка программного
обеспечения, способное обрабатывать большое количество данных, не требующее длительного затрачивания времени, а также комплексная оценка эффективности использования нейросетевых технологий для решения поставленной задачи, включая расчет орбит, извлечение параметров небесных тел и визуализацию траекторий их движения.
Для достижения цели были поставлены следующие задачи:
1. Изучить теоретические основы нейросетевых архитектур.
2. Провести обзор применения ИИ в научной практике путем анкетирования преподавателей кафедры астрономии и космической геодезии (АиКГ).
3. Разработать программу на языке C++ с использованием среды Qt Designer для визуализации движения небесных тел на основе задачи двух тел.
4. Спроектировать и реализовать парсер на языке Phyton с использованием библиотеках PyQt6 и asyncio и использованием клиента httpx для автоматизированного сбора и анализа физических параметров астероидов с сайта NASA.
5. Провести оценку качества и достоверности полученных результатов.
6. Проанализировать перспективы внедрения ИИ в образовательной, исследовательской и в научной практике.
Научная новизна работы заключается в практической интеграции нескольких технологических направлений: искусственного интеллекта,
парсинга научных API, численного моделирования и визуализации на языках C++ и Phyton. Разработка программного обеспечения, сочетающего в себе интеллектуальную обработку текстов и численных данных, предоставляет широкие возможности для дальнейших исследований и масштабирования проекта.
Практическая значимость заключается в том, что результаты работы могут быть использованы как в научных исследованиях, так и в образовательных целях. Разработанный парсер позволяет быстро и эффективно извлекать необходимые параметры: диаметр, массу, альбедо и коэффициент A2, с учетом их спектральных классов и других характеристик. Реализованная на С++ программа с GUI позволяет визуализировать движения объектов в 3D, что особенно полезно при подготовке демонстрационных материалов и обучении студентов.
Кроме того, работа включает в себя социологическую часть - анкетирование преподавателей и сотрудников научной кафедры. Опрос выявил интерес к технологиям ИИ, а также барьеры, мешающие их массовому применению. Это позволило более точно определить направление развития программных решений, ориентированных на реальные потребности академической среды.
Таким образом, настоящая дипломная работа представляет собой многокомпонентное исследование, объединяющее теорию и практику, программную реализацию и социальный анализ. Работа охватывает ключевые направления современной цифровой науки: искусственный интеллект, визуализация данных, автоматизация, инженерная разработка и работа с большими научными массивами. Это делает её актуальной не только в контексте текущего уровня научного развития, но и с точки зрения перспективных исследований в области астрономии и космической геодезии.
В последние годы наблюдается устойчивый рост интереса к применению искусственного интеллекта (ИИ) и, в частности, нейросетевых моделей в различных областях естественнонаучных исследований. ChatGPT является популярной нейросетью, разработанной компанией OpenAI. Её архитектура позволяет проводить генерацию текстов, обработку естественного языка, а также интеграцию с внешними источниками данных. Их также можно адаптировать и для решения численных задач, визуализации орбит, автоматизации парсинга научных баз данных и других процессов.
Данная работа посвящена оценке эффективности применения нейросетевых технологий для решения задач в области астрономии. Особое внимание уделяется практическим аспектам реализации программных решений, включающих в себя элементы искусственного интеллекта, автоматизированную работу с внешними базами данных, обработку, структурирование и визуализацию данных с помощью современных инструментов программирования.
Актуальность исследования обусловлена необходимостью
автоматизации процессов сбора и обработки информации. Традиционные методы становятся менее эффективными и требующими большого количества времени в анализе массивной информации, получаемой в результате наблюдений космических объектов. Использование нейросетевых технологий предоставляет возможность ускорить обработку данных, снижая время затратность, а также может стать подручным ассистентом в выполнении поставленных задач.
Объектом исследования являются астрономические задачи, требующие анализа большого объема параметрических данных.
Предметом исследования являются нейросетевые технологии и методы машинного обучения, включая их применение для автоматизации обработки астрофизических и численных данных.
Целью настоящей работы является разработка программного
обеспечения, способное обрабатывать большое количество данных, не требующее длительного затрачивания времени, а также комплексная оценка эффективности использования нейросетевых технологий для решения поставленной задачи, включая расчет орбит, извлечение параметров небесных тел и визуализацию траекторий их движения.
Для достижения цели были поставлены следующие задачи:
1. Изучить теоретические основы нейросетевых архитектур.
2. Провести обзор применения ИИ в научной практике путем анкетирования преподавателей кафедры астрономии и космической геодезии (АиКГ).
3. Разработать программу на языке C++ с использованием среды Qt Designer для визуализации движения небесных тел на основе задачи двух тел.
4. Спроектировать и реализовать парсер на языке Phyton с использованием библиотеках PyQt6 и asyncio и использованием клиента httpx для автоматизированного сбора и анализа физических параметров астероидов с сайта NASA.
5. Провести оценку качества и достоверности полученных результатов.
6. Проанализировать перспективы внедрения ИИ в образовательной, исследовательской и в научной практике.
Научная новизна работы заключается в практической интеграции нескольких технологических направлений: искусственного интеллекта,
парсинга научных API, численного моделирования и визуализации на языках C++ и Phyton. Разработка программного обеспечения, сочетающего в себе интеллектуальную обработку текстов и численных данных, предоставляет широкие возможности для дальнейших исследований и масштабирования проекта.
Практическая значимость заключается в том, что результаты работы могут быть использованы как в научных исследованиях, так и в образовательных целях. Разработанный парсер позволяет быстро и эффективно извлекать необходимые параметры: диаметр, массу, альбедо и коэффициент A2, с учетом их спектральных классов и других характеристик. Реализованная на С++ программа с GUI позволяет визуализировать движения объектов в 3D, что особенно полезно при подготовке демонстрационных материалов и обучении студентов.
Кроме того, работа включает в себя социологическую часть - анкетирование преподавателей и сотрудников научной кафедры. Опрос выявил интерес к технологиям ИИ, а также барьеры, мешающие их массовому применению. Это позволило более точно определить направление развития программных решений, ориентированных на реальные потребности академической среды.
Таким образом, настоящая дипломная работа представляет собой многокомпонентное исследование, объединяющее теорию и практику, программную реализацию и социальный анализ. Работа охватывает ключевые направления современной цифровой науки: искусственный интеллект, визуализация данных, автоматизация, инженерная разработка и работа с большими научными массивами. Это делает её актуальной не только в контексте текущего уровня научного развития, но и с точки зрения перспективных исследований в области астрономии и космической геодезии.
Цель данной выпускной квалификационной работы заключалась в разработке программного обеспечения, способного обработать большой объем данных, а также провести оценку эффективности применения нейросетевых технологий, а именно модель ChatGPT, для решения прикладных задач. В ходе работы были проанализированы как теоретические основы функционирования современных ИИ-моделей, так и рассмотрены практические аспекты их применения в условиях практической и исследовательской деятельности. Особое внимание было уделено оценке роли искусственного интеллекта в автоматизации, ускорении и упрощении отдельных этапов анализа.
В процессе исследования были достигнуты все ключевые результаты, запланированные на начальном этапе. Реализовано два полноценных программных продукта. Первая программа - расчёта и визуализации орбитальных траекторий искусственных спутников, написанная на языке C++ с использованием среды разработки Qt Designer. Этот модуль позволяет выполнять численное моделирование задачи двух тел и визуализировать полученные результаты в трёхмерном пространстве. Вторая программа - парсер AstroScan, разработанный на языке Python с применением библиотек PyQt6, https, asyncio предназначенный для автоматизированного параллельного сбора, анализа и структурирования физико-астрономических данных из открытого API NASA JPL SSD.
Программа AstroScan продемонстрировала высокую степень автоматизации, стабильности и удобства в использовании. Однако её функциональность может быть существенно расширена. Возможна интеграция визуализирующего компонента, связывающего информацию из API с динамическим SD-отображением орбит.
Модель ChatGPT была использована как вспомогательный инструмент: для генерации и уточнения программного кода, проверки формул, подбора логики для пользовательских интерфейсов. Проведённый анализ показал, что использование нейросетевых решений в ряде случаев позволяет существенно снизить временные затраты на выполнение рутинных операций. Однако исследование также выявило ограничения. В задачах, требующих глубокого предметного понимания, точной обработки данных и индивидуальной настройки алгоритмов, ИИ оказался менее эффективным и нуждается в постоянном контроле со стороны человека.
Параллельно с техническими разработками было организовано социологическое исследование среди преподавателей и сотрудников кафедр ы астрономии и космической геодезии. Целью опроса стояло выявление отношения к применению ИИ в научной деятельности, определить уровень доверия к данным технологиям и понять, какие барьеры мешают их широкому внедрению. Результаты показали, что несмотря на растущий интерес, лишь ограниченное число респондентов активно используют ИИ в своей работе. Основными препятствиями остаются нехватка специализированных знаний и опасения, связанные с недостаточной точностью и прозрачностью ИИ- систем. В то же время большинство респондентов выражают готовность применять ИИ как вспомогательный инструмент при наличии понятных методик и учебных материалов.
Таким образом, на основании проведённого исследования можно утверждать, что нейросетевые технологии действительно могут стать эффективным помощником в реальных условиях. Однако стоит понимать, что их применение обязательно нужно сопровождать проверкой результатов. Разработка программных решений, таких как AstroScan, показывает, что ИИ может быть интегрирован в прикладную практику, но пока исключительно в роли инструмента поддержки, а не замены специалиста.
Результаты работы могут быть полезны как в рамках науч ных исследований, так и при подготовке студентов технических направлений. Предложенные алгоритмы и программные интерфейсы можно использовать для обучения цифровым инструментам анализа, а также для повыш ения квалификации в области применения ИИ в технических дисциплинах. Кроме того, наработанная база может стать основой для последующих исследовательских проектов по расширению функционала AstroScan, внедрению средств автоматической классификации и углублённой визуализации, а также для развития курсов по интеграции нейросетей в научную деятельность.
В процессе исследования были достигнуты все ключевые результаты, запланированные на начальном этапе. Реализовано два полноценных программных продукта. Первая программа - расчёта и визуализации орбитальных траекторий искусственных спутников, написанная на языке C++ с использованием среды разработки Qt Designer. Этот модуль позволяет выполнять численное моделирование задачи двух тел и визуализировать полученные результаты в трёхмерном пространстве. Вторая программа - парсер AstroScan, разработанный на языке Python с применением библиотек PyQt6, https, asyncio предназначенный для автоматизированного параллельного сбора, анализа и структурирования физико-астрономических данных из открытого API NASA JPL SSD.
Программа AstroScan продемонстрировала высокую степень автоматизации, стабильности и удобства в использовании. Однако её функциональность может быть существенно расширена. Возможна интеграция визуализирующего компонента, связывающего информацию из API с динамическим SD-отображением орбит.
Модель ChatGPT была использована как вспомогательный инструмент: для генерации и уточнения программного кода, проверки формул, подбора логики для пользовательских интерфейсов. Проведённый анализ показал, что использование нейросетевых решений в ряде случаев позволяет существенно снизить временные затраты на выполнение рутинных операций. Однако исследование также выявило ограничения. В задачах, требующих глубокого предметного понимания, точной обработки данных и индивидуальной настройки алгоритмов, ИИ оказался менее эффективным и нуждается в постоянном контроле со стороны человека.
Параллельно с техническими разработками было организовано социологическое исследование среди преподавателей и сотрудников кафедр ы астрономии и космической геодезии. Целью опроса стояло выявление отношения к применению ИИ в научной деятельности, определить уровень доверия к данным технологиям и понять, какие барьеры мешают их широкому внедрению. Результаты показали, что несмотря на растущий интерес, лишь ограниченное число респондентов активно используют ИИ в своей работе. Основными препятствиями остаются нехватка специализированных знаний и опасения, связанные с недостаточной точностью и прозрачностью ИИ- систем. В то же время большинство респондентов выражают готовность применять ИИ как вспомогательный инструмент при наличии понятных методик и учебных материалов.
Таким образом, на основании проведённого исследования можно утверждать, что нейросетевые технологии действительно могут стать эффективным помощником в реальных условиях. Однако стоит понимать, что их применение обязательно нужно сопровождать проверкой результатов. Разработка программных решений, таких как AstroScan, показывает, что ИИ может быть интегрирован в прикладную практику, но пока исключительно в роли инструмента поддержки, а не замены специалиста.
Результаты работы могут быть полезны как в рамках науч ных исследований, так и при подготовке студентов технических направлений. Предложенные алгоритмы и программные интерфейсы можно использовать для обучения цифровым инструментам анализа, а также для повыш ения квалификации в области применения ИИ в технических дисциплинах. Кроме того, наработанная база может стать основой для последующих исследовательских проектов по расширению функционала AstroScan, внедрению средств автоматической классификации и углублённой визуализации, а также для развития курсов по интеграции нейросетей в научную деятельность.
