Derinlemesine Analiz, Teyitli Haber! Tıkla ve favori kaynağın yap.
F-22 ve F-35 gibi beşinci nesil savaş uçaklarının en önemli avantajlarından biri, radar sistemlerine yakalanmalarını zorlaştıran düşük görünürlüklü tasarımları. Ancak uçakların gizlemekte zorlandığı başka bir iz daha var: Isı. Motor egzozu ve gövdenin havayla sürtünmesi sırasında oluşan kızılötesi iz, uçağın radar ekranında görünmese bile farklı sensörlerle takip edilebilmesine kapı aralayabiliyor. Çinli araştırmacıların geliştirdiği yeni yapay zekâ sistemi de tam olarak bu noktaya odaklanıyor.
Pekin Teknoloji Enstitüsü, CAMA ve bir ulusal laboratuvardan araştırmacıların geliştirdiği sistem, füzelerde kullanılan taramalı kızılötesi görüntüleme sistemleri için tasarlandı. Çalışmada üç farklı hedef sınıfı kullanıldı. Bunların ikisi F-22 ve F-35’i taklit eden hava araçlarından, diğeri ise bir gezinen mühimmattan oluştu. Füze üzerindeki kızılötesi tarama sistemiyle elde edilen toplam 3.245 kızılötesi hedef görüntüsü testlere dahil edildi. Araştırmacıların geliştirdiği sinir ağı, laboratuvar ortamındaki testlerde yüzde 97,1 tespit doğruluğuna ulaştı. Ancak iş gerçek F-22 ve F-35 verilerine geldiğinde tablo biraz daha farklı. Araştırmanın yazarı An Jiangshan, F-22 ve F-35 gibi beşinci nesil savaş uçaklarına ilişkin gerçek test verilerinin gizlilik nedeniyle paylaşılmadığını belirtti. Bu nedenle mevcut veri setinde simüle edilmiş hedefler kullanıldı. Sistem bu hedeflerde yaklaşık yüzde 90 tanıma oranı elde etti.
Yeni sistemin dikkat çeken bir başka yönü ise ısı güdümlü füzelere karşı kullanılan flare sistemlerini daha az etkili hale getirme ihtimali. Flare’ler, füzenin kızılötesi arayıcısını yanıltmak amacıyla uçaktan çok yüksek sıcaklıkta parçacıklar bırakıyor. Ancak bir savaş uçağının motor egzozu ve gövdesindeki hava sürtünmesinden kaynaklanan kızılötesi iz, flare’in oluşturduğu sinyalle birebir aynı değil. Yapay zekâ sistemi de işte bu farklılıkları analiz ederek gerçek hedefi sahte ısı kaynaklarından ayırmaya çalışıyor.
Füze üzerindeki elektronik sistemlerde alan, ağırlık ve enerji tüketimi ciddi bir sorun. Bu nedenle araştırmacılar büyük ve karmaşık derin öğrenme modelleri yerine daha hafif çalışan bir sinir ağı geliştirdi. Modelin parametre sayısı önceki yöntemlerin yalnızca yüzde 16,1’i seviyesine indirildi. Hesaplama ihtiyacı ise yüzde 19,2’ye düşürüldü. Sistemde ayrıca özel bir yapay zekâ hızlandırıcısından yararlanıldı. Testlerde yapay zekânın ortalama çıkarım süresi yalnızca 1,5 milisaniye olarak ölçüldü. Güç tüketimi ise 2,2 watt seviyesinde kaldı. Sistemin temelini oluşturan Zynq7020 platformunun maliyetinin de yalnızca birkaç yüz yuan, yani yaklaşık 10-110 dolar seviyesinde olduğu belirtildi.
Google Play
App Store
Haberi Paylaş
10:59
İLGİLİ HABERLER
YORUM YAZ