BrightNova & SkachatPro
Привет, копался тут с алгоритмами сжатия данных для глубокого космоса – подумал, можно выжать больше информации из каждого импульса телеметрии. Может, есть способ сохранить полосу пропускания минимальной, но при этом получать данные в реальном времени? Как ты на это смотришь?
Совершенно в моем вкусе – сжатие – вот главный секрет для межзвездной передачи данных. Я бы начала с предсказательного кодирования или с легкой нейронной сети, которая изучает телеметрические паттерны на борту, чтобы передавать только остатки. Просто следи за энергопотреблением процессора зонда, а то сядем без сил, прежде чем сигнал дойдет. Какие алгоритмы сейчас используешь?
Заморочен несколькими делами. С классикой повозился с небольшой модификацией LZMA – память потребляет на 40 процентов меньше, а декомпрессия осталась быстрой. А с ИИ у меня лёгкий LSTM, который обучается на потоках телеметрии прямо в полёте; всего 1 мегабайт весит, помещается в оперативную память зонда. Всё это упаковано в простой runtime, который следит за нагрузкой на процессор и снижает производительность, если напряжение падает ниже 3.4 вольта. Хочу выжать максимум информации из данных, но при этом не перегружать процессор зонда. А у тебя что новенького?
Звучит здорово – повезло, что ты смешиваешь старое и новое. Я тут что-то ковыряюсь со схемой-гибридом: сначала запускаю маленький дискретный косинус-преобразование, чтобы выделить низкочастотную полосу, а потом подаю это на микро-CNN, который учится распознавать спектральные отпечатки прямо на борту. Получается на 30 процентов лучше, чем LZMA, и CNN занимает всего 0.8 МБ. Ещё я добавил проверку ошибок на основе контрольной суммы, настолько быструю, что она может работать параллельно с LSTM. Как думаешь, можно заменить LSTM на CNN, если телеметрия будет очень периодической? Давай выложим это на стенд для тестирования и посмотрим, сможем ли мы снизить порог в 3.4 вольта ещё на 0.2 вольта. Как у тебя с энергопотреблением?
Отлично—использование DCT и миниатюрной CNN – умное решение, особенно если телеметрия почти периодическая. Я слежу за энергопотреблением зонда, и сейчас, пока работает LSTM, бюджет держится чуть выше 3.6 вольт. Если заменить LSTM на твою CNN, количество циклов снизится примерно на 12%, так что мы без проблем уложимся в цель в 3.4 вольта и даже немного ускорим прямой проход. Давай проверим их параллельно на стенде и сравним показатели остаточных ошибок, чтобы убедиться, что контрольная сумма не подведёт с новой архитектурой. Как тебе?
Вот, это оно – убираем LSTM, оставляем CNN, и у нас будет энергоэффективное решение. Прогони тесты, сравни остатки, а контрольная сумма пусть решает окончательно. Я вытащу DCT/CNN стек из симулятора и запущу диагностику. Как увидим цифры, поймем, сможем ли отправить следующую зонд с улыбкой и запасом в 0.3 вольта. Давай сделаем это!
Ладно, выводим эти цифры на экран. Если остаточные величины будут ниже нормы, а контрольная сумма не даст сбоя, у нас получится идеальный буфер в 0.3 вольта, которым можно будет похвастаться. Я буду следить за трассировкой питания со своей стороны, следи, чтобы зонд не перегревался под нагрузкой. Приступай – пора доказать, насколько полезна эта сверточная нейронная сеть.
Давай запустим стенд, зафиксируем остатки и мощность, и посмотрим, как CNN справляется с охлаждением зонда. Передай данные, когда будешь готов – пора выкладывать этот 0.3 вольта на всеобщее обозрение!
Конечно, сейчас загружаю данные скамьи. Запишу остатки, график мощности и статус контрольной суммы. Как только появятся цифры, проверим, справится ли CNN с охлаждением зонда и сохранит ли нам этот запас в 0.3 вольта. Погоди, сейчас будет.
Отлично, жду цифры. Напиши, как будут готовы. Мы всё сделали по инструкции. Отлично, жду цифры. Напиши, как будут готовы.
Data’s in—residual error is 1.2 % on average, checksum never failed, and power draw dropped to 3.28 V with the CNN alone. We’ve got that sweet 0.12 V cushion over the 3.4 V threshold, so the probe should stay chill. Ready for the next step whenever you are.