تهیه نقشه نیروگاه‌های خورشیدی آمریکا با کمک هوش مصنوعی
ایسنا : دانشمندان «دانشگاه استنفورد»، یک سیستم یادگیری ماشینی مبتنی بر هوش‌مصنوعی ابداع کرده‌اند که می‌تواند با بررسی تصاویر، نیروگاه‌های خورشیدی را شناسایی کند. صنعت انرژی خورشیدی در آمریکا پیوسته در حال رشد است و درآمد حاصل از آن، از ۴۲ میلیون دلار در سال ۲۰۰۷ به ۲۱۰ میلیون در سال ۲۰۱۷ رسیده است. انتظار می‌رود که این مبلغ در پنج سال آینده دوبرابر شود. با وجود ارائه تصویر کارآمدی از جذب انرژی خورشیدی، هنوز باید جزئیات بیشتری در این مورد مشخص شود. دانشمندان «دانشگاه استنفورد » (Stanford University)، یک ابزار یادگیری ماشینی جدید موسوم به «دیپ‌سولار» (DeepSolar) ابداع کرده‌اند که مشخصا به این کار اختصاص دارد.
دانستن محل قرار گرفتن نیروگاه‌های خورشیدی و انگیزه راه‌اندازی آنها، تلاش کارآمدی برای مدیریت انرژی است. این کار به کارخانه‌ها در برقراری توازن میان عرضه و تقاضا و ارائه انرژی مطمئن‌تر کمک می‌کند. به علاوه، درک انگیزه راه‌اندازی نیروگاه‌ها و شاید طراحی شهرها از این راه ممکن می‌شود. پژوهشگران می‌توانند این کار را تنها با محاسبات دشوار و تصاویر ماهواره‌ای انجام دهند اما دانشمندان استنفورد، یک الگوریتم یادگیری ماشینی را برای انجام دادن این وظیفه مهم آموزش داده‌اند. آنها به این سیستم، حدود ۳۷۰ هزار تصویر ارائه داده‌اند که هریک، نشان‌دهنده ناحیه‌ای از زمین در ابعاد ۳۰ در ۳۰ است که براساس داشتن و یا نداشتن نیروگاه خورشیدی مشخص می‌شوند. برنامه دیپ‌سولار، ویژگی‌هایی مانند رنگ، بافت و اندازه مرتبط با پنل خورشیدی را تشخیص می‌دهد. این برنامه در آزمایش‌های صورت‌گرفته توانست به‌خوبی عمل کند و تصاویر نیروگاه‌های خورشیدی را با ۹۳ درصد دقت به درستی تشخیص دهد.
