როგორ გვეხმარება DeepSee უფრო ღრმად ჩავიხედოთ ოკეანეებში, ვიდრე ოდესმე

ავტორები: (1) Adam Coscia, საქართველოს ტექნოლოგიური ინსტიტუტი, ატლანტა, ჯორჯია, აშშ (acoscia6@gatech.edu); (2) Haley M. Sapers, გეოლოგიური და პლანეტარული მეცნიერებების განყოფილება, კალიფორნიის ტექნოლოგიური ინსტიტუტი, პასადენა, კალიფორნია, აშშ (hsapers@caltech.edu); (3) Noah Deutsch, ჰარვარდის უნივერსიტეტი კემბრიჯი, მასაჩუსეტსი, აშშ (ndeutsch@mde.harvard.edu); (4) მალიკა ხურანა, The New York Times Company, New York, New York, USA (malika.khurana@nytimes.com); (5) John S. Magyar, გეოლოგიური და პლანეტარული მეცნიერებების განყოფილება, კალიფორნიის ტექნოლოგიური ინსტიტუტი პასადენა, კალიფორნია, აშშ (jmagyar@caltech.edu); (6) Sergio A. Parra, გეოლოგიური და პლანეტარული მეცნიერებების განყოფილება, კალიფორნიის ტექნოლოგიური ინსტიტუტი პასადენა, კალიფორნია, აშშ (sparra@caltech.edu); (7) Daniel R. Utter, rwipfler@caltech.edu გეოლოგიური და პლანეტარული მეცნიერებების განყოფილება, კალიფორნიის ტექნოლოგიური ინსტიტუტი პასადენა, კალიფორნია, აშშ (dutter@caltech.edu); (8) ჯონ ს. მაგიარი, გეოლოგიური და პლანეტარული მეცნიერებების განყოფილება, კალიფორნიის ტექნოლოგიური ინსტიტუტი პასადენა, კალიფორნია, აშშ (rwipfler@caltech.edu); (9) David W. Caress, Monterey Bay Aquarium Research Institute, Moss Landing, კალიფორნია, აშშ (caress@mbari.org); (10) Eric J. Martin Jennifer B. Paduan Monterey Bay Aquarium Research Institute, Moss Landing, კალიფორნია, აშშ (emartin@mbari.org); (11) Jennifer B. Paduan, Monterey Bay Aquarium Research Institute, Moss Landing, კალიფორნია, აშშ (paje@mbari.org); (12) მეგი ჰენდრი, ArtCenter College of Design, Pasadena, California, USA (maggie.hendrie@artcenter.edu); (13) სანტიაგო ლომბეიდა, კალიფორნიის ტექნოლოგიური ინსტიტუტი, პასადენა, კალიფორნია, აშშ (santiago@caltech.edu); (14) ჰილარი მუშკინი, კალიფორნიის ტექნოლოგიური ინსტიტუტი, პასადენა, კალიფორნია, აშშ (hmushkin@caltech.edu); (15) ალექს ენდერტი, საქართველოს ტექნოლოგიური ინსტიტუტი, ატლანტა, ჯორჯია, აშშ (endert@gatech.edu); (16) სკოტ დევიდოფი, რეაქტიული მოძრაობის ლაბორატორია, კალიფორნიის ტექნოლოგიური ინსტიტუტი, პასადენა, კალიფორნია, აშშ (scott.davidoff@jpl.nasa.gov); (17) Victoria J. Orphan, გეოლოგიური და პლანეტარული მეცნიერებების განყოფილება, კალიფორნიის ტექნოლოგიური ინსტიტუტი, პასადენა, კალიფორნია, აშშ (vorphan@caltech.edu). ბმულების ცხრილი რეზიუმე და 1 შესავალი 2 დაკავშირებული სამუშაო 3 მეთოდოლოგია 4 ღრმა ოკეანის ეკოსისტემის შესწავლა და 4.1 ღრმა ოკეანის კვლევის მიზნები 4.2 სამუშაო პროცესი და მონაცემები 4.3 დიზაინის გამოწვევები და მომხმარებლის ამოცანები 5 ღრმა ზღვის სისტემა 5.1 რუკის ხედი 5.2 ძირითადი ხედი 5.3 ინტერპოლაციის ხედი და 5.4 განხორციელება 6 გამოყენების სცენარი და 6.1 სცენარი: კრუიზამდე დაგეგმვა 6.2 სცენარი: ფრენის დროს გადაწყვეტილების მიღება 7 შეფასება და 7.1 კრუიზის განლაგება 7.2 ექსპერტთა ინტერვიუები 7.3 შეზღუდვები 7.4 ნასწავლი გაკვეთილები 8 დასკვნები და მომავალი სამუშაოები, მადლიერებები და ცნობები აბსტრაქტი მეცნიერები, რომლებიც სწავლობენ ღრმა ოკეანის მიკრობული ეკოსისტემებს, იყენებენ ზღვის ფსკერიდან შეგროვებულ ნალექის ნიმუშების შეზღუდულ რაოდენობას გარემოში მნიშვნელოვანი სიცოცხლის შენარჩუნების ბიოგეოქიმიური ციკლების დასახასიათებლად. მიუხედავად ამისა, საველე სამუშაოების ჩატარება ამ უკიდურესი დისტანციური გარემოს სინჯისთვის ერთდროულად ძვირი და შრომატევადია, რაც მოითხოვს ინსტრუმენტებს, რომლებიც საშუალებას მისცემს მეცნიერებს შეისწავლონ საველე ადგილების სინჯების ისტორია და იწინასწარმეტყველონ, თუ სად არის ახალი ნიმუშების აღება, სავარაუდოდ, მეცნიერულ ანაზღაურებას. ჩვენ ჩავატარეთ ერთობლივი, მომხმარებელზე ორიენტირებული დიზაინის კვლევა მეცნიერ მკვლევართა გუნდთან ერთად DeepSee-ის, მონაცემთა ინტერაქტიული სამუშაო სივრცის შესაქმნელად, რომელიც ასახავს ბიოგეოქიმიური და მიკრობული პროცესების 2D და 3D ინტერპოლაციას კონტექსტში, ნალექის შერჩევის ისტორიასთან ერთად, რომელიც გადაფარებულია ზღვის ფსკერის 2D რუქებზე. საველე განლაგებისა და ხარისხობრივი ინტერვიუების საფუძველზე, ჩვენ აღმოვაჩინეთ, რომ DeepSee-მ გაზარდა მეცნიერული ანაზღაურება შეზღუდული ნიმუშის ზომებიდან, დააჩქარა ახალი კვლევის სამუშაო ნაკადები, შეამცირა მონაცემების გაზიარების გრძელვადიანი ხარჯები და მხარი დაუჭირა გუნდურ მუშაობას და გუნდის წევრებს შორის კომუნიკაციას სხვადასხვა კვლევის მიზნებით. CCS ცნებები • ; • ადამიანზე ორიენტირებული გამოთვლა → მეცნიერული ვიზუალიზაცია; ვიზუალური ანალიტიკა; გეოგრაფიული ვიზუალიზაცია; ვიზუალიზაციის სისტემები და ხელსაწყოები გამოყენებითი გამოთვლები → დედამიწისა და ატმოსფერული მეცნიერებები. საკვანძო სიტყვები მონაცემთა ვიზუალიზაცია, სამეცნიერო ვიზუალიზაცია, ვიზუალური ანალიტიკა, დიზაინის შესწავლა, ღრმა ოკეანის კვლევა. ACM საცნობარო ფორმატი: ადამ კოშია, ჰეილი მ. საპერსი, ნოა დოიჩი, მალიკა ხურანა, ჯონ ს. მაგიარი, სერხიო ა. პარა, დენიელ რ. უტერი, რებეკა ლ. ვიპფლერი, დევიდ უ. კარესი, ერიკ ჯ. მარტინი, ჯენიფერ ბ. პადუანი, მეგი ჰენდრი, სანტიაგო ლომბეიდა, ჰილარი მუშკინი, ალექს ენდერტი, სკოტ დევიდოფი და ვიქტორია ჯ. 2024. DeepSee: ზღვის ფსკერის ეკოსისტემების მრავალგანზომილებიანი ვიზუალიზაცია. CHI კონფერენციის მასალები გამოთვლით სისტემებში ადამიანური ფაქტორების შესახებ (CHI '24), 2024 წლის 11–16 მაისი, ჰონოლულუ, HI, აშშ. ACM, ნიუ-იორკი, ნიუ-იორკი, აშშ, 16 გვერდი. https://doi.org/10.1145/3613904.3642001 1 შესავალი ბოლო ორი ათწლეულის განმავლობაში საგრძნობლად განვითარდა ღრმა ზღვის ბენთური ეკოსისტემების კვლევა და კვლევა, დაწყებული უფსკრული დაბლობებიდან დაწყებული ჰიდროთერმული სავენტილაციო სავენტილებისა და მეთანის ჩამდინარე წყლების ფიზიკურ-ქიმიურად ჰეტეროგენულ ექსტრემალურ გარემოებამდე. ეს მიღწევები წარმოიქმნება მასიური რაოდენობის მონაცემებიდან, რომლებიც წარმოიქმნება ახალი ტექნოლოგიების განვითარებით ზღვის ფსკერის ავტონომიური რუქებისა და გამოსახულების, ფიზიკურ-ქიმიური ზონდირების, ბიოლოგიური გაზომვებისა და ნიმუშების არქივისთვის [31]. მეცნიერთა მულტიდისციპლინური გუნდების მეშვეობით, რომლებიც უზრუნველყოფენ მონაცემთა დამატებით კომპლექტს ამ შორეული ეკოსისტემების გეოლოგიაზე, გეოქიმიაზე, მაკრო- და მიკრობიოლოგიაზე, ღრმა ოკეანის მკვლევარებს ახლა შეუძლიათ წვდომა ზღვის ფსკერის 2D ტოპოგრაფიულ რუქებსა და ფერად ფოტომოზაიკაზე, რაც საშუალებას აძლევს წერტილოვანი წყაროს ნიმუშების დაკავშირებას. კოლექციები (მაგ. ნალექის ბირთვები, ქანების, ცხოველების და წყლის ნიმუშები) მათი შესაბამისი გარემოსდაცვითი კონტექსტი სანტიმეტრიდან კილომეტრამდე სივრცითი მასშტაბებით. თუმცა, მიუხედავად იმისა, რომ ნიმუშების სივრცითი მდებარეობების 2D რუქები ღირებულია, ველს ამჟამად აკლია ვიზუალიზაციის ინსტრუმენტები, რომლებიც ვრცელდება მე-3 განზომილებაში, ანუ წყალქვეშა ფსკერზე. ეს წარმოადგენს მონაცემთა ვიზუალიზაციის რამდენიმე ფუნდამენტურ გამოწვევას ნიმუშების ასოცირებული ფიზიკურ-ქიმიური და ბიოლოგიური მონაცემების შესწავლის გარშემო მათ სივრცულ კონტექსტში. ნიმუშები არის ნალექის ბირთვები - წერტილოვანი გეოსივრცითი და დროითი (ანუ მრავალგანზომილებიანი) მონაცემები, რომელიც შედგება ასობით მიკრობული სახეობისა და ფიზიოქიმიური პარამეტრებისგან - რომლებიც იშვიათად არის გავრცელებული რამდენიმე ასეულ მეტრზე ზღვის ფსკერზე. მკვლევარები ასრულებენ საველე სამუშაოებს ექსპედიციების დროს ოკეანედან ამ ნალექის ბირთვების შესაგროვებლად, რაც ძვირადღირებული და შრომატევადი ამოცანაა, რომელიც წინასწარ ვრცელ დაგეგმვას მოითხოვს და ჩვეულებრივ იწვევს ნიმუშების ძალიან შეზღუდულ რაოდენობას. წინასწარი შერჩევის ისტორიის ნახვა, რათა გადაწყვიტოთ, სად უნდა მოხდეს შემდგომი ნიმუში, დაგეხმარებათ მაქსიმალურად გაზარდოთ ძვირადღირებული საველე სამუშაოების ჩატარება. გარდა ამისა, გაურკვეველია, როგორ შეიძლება შეიცვალოს მეცნიერის არსებული კვლევის სამუშაო ნაკადები ახალი ვიზუალიზაციის შესაძლებლობების დანერგვით, როგორც საველე სამუშაოების დაწყებამდე დაგეგმვისას, ასევე ტაქტიკური გადაწყვეტილების მიღებისას ველში ახალი ნიმუშების შეგროვებისას. ჩვენი მიზნებია შევქმნათ სისტემა, რომელიც გადაჭრის ვიზუალიზაციის გამოწვევებს ნალექის ბირთვებს შორის სივრცითი ტენდენციების შესასწავლად მათი გარემოს კონტექსტში, სისტემის განლაგება მეცნიერთა სამუშაო ნაკადებზე ზემოქმედების გასაზომად, რომლებიც ახორციელებენ ღრმა ოკეანის საველე სამუშაოებს და ასახავს ვიზუალიზაციის უფრო ფართო დიზაინის სახელმძღვანელოს. საველე სამუშაოების ექსპედიციების დროს შეგროვებული მრავალგანზომილებიანი ნიმუშის მონაცემები. წარმოგიდგენთ ერთობლივი დიზაინის კვლევას [43], რომელიც ჩატარდა მეცნიერ მკვლევართა ჯგუფთან ერთად, რომლებიც სწავლობენ ღრმა ოკეანის ეკოსისტემებს (სექტ. 3). ჩვენ პირველად დავახასიათეთ მათი კვლევის მიზნები, მანამდე არსებული სამუშაო ნაკადები და მონაცემთა პრაქტიკა, რაც მიგვიყვანს დიზაინის გამოწვევებისა და მომხმარებლის ამოცანების სინთეზირებამდე (სექტ. 4) სისტემისთვის, რომელიც დაეხმარება მეცნიერებს ვიზუალურად წარმოაჩინონ ბირთვებს შორის სივრცითი ტენდენციები გარემოს კონტექსტში, ინტეგრირდეს ძირითადი და რუქის მონაცემები. მრავალჯერადი ზომისა და დროის მასშტაბით ერთ ინტერფეისში და გაზარდეთ სამეცნიერო ანაზღაურება (გრძელვადიანი გამოყენებადობა და მონაცემთა ღირებულება) ნიმუშების შეზღუდული რაოდენობის პროგნოზით. უხილავი მნიშვნელობები unsampled ადგილებში. ჩვენი დავალების აბსტრაქციის მიხედვით, ჩვენ შევიმუშავეთ DeepSee (ნახ. 1, სექცია 5), ღია წყარო[1], ინტერაქტიული სამუშაო ადგილი მეცნიერებისთვის, რათა ატვირთონ ნალექის ძირითადი მონაცემები და რუკის სურათები და ნახონ მათი შერჩევის ისტორია, რომლებიც ნაჩვენებია მრავალ დაკავშირებულ ხედზე ერთდროულად. ზღვის ფსკერის ინტერაქტიული რუქები სანტიმეტრისა და კილომეტრის გარჩევადობას შორის (ნახ. 1A) მონიშნულია ინფორმაცია წინა ჩაყვინთვის და ასევე შეგროვებული ნიმუშების შესახებ. ამ რუკებთან ერთად, DeepSee აჩვენებს 2D ვიზუალიზაციებს, რომლებიც აჩვენებს პარამეტრის გრადიენტებს, როგორც სიღრმის ფუნქციას და მონაცემთა ინტერპოლაციების ინტერაქტიულ 3D ვიზუალიზაციას ნიმუშებს შორის სივრცეში (ნახ. 1B). მონაცემთა ინტერპოლაციები შეიძლება განხორციელდეს რეალურ დროში, რაც მეცნიერებს საშუალებას აძლევს „დაინახონ“ ზღვის ფსკერზე და დაადგინონ ყველაზე სავარაუდო ადგილები მაღალი ღირებულების ნიმუშების შესაგროვებლად. გადაწყვეტილების მიღების მხარდასაჭერად, DeepSee აწვდის ანოტაციის ინსტრუმენტებს რუკებზე ჩანაწერების გასაკეთებლად, რაც სასარგებლოა აღმოჩენების კომუნიკაციისა და მომავალი ჩაყვინთვის დაგეგმვისთვის. დაბოლოს, DeepSee არის პორტატული და არ საჭიროებს ინტერნეტთან წვდომას, რაც მეცნიერებს აძლევს უფლებას გამოიყენონ DeepSee საველე ექსპედიციებზე დისტანციურ გარემოში. ჩვენი მიდგომის გავლენის შესაფასებლად რეალური პრობლემის გადაჭრაზე, ჩვენ შევაფასეთ DeepSee იმავე ექსპერტ თანამშრომლებთან ერთად, რომლებიც მონაწილეობდნენ დიზაინის პროცესში (სექტ. 7). პირველ რიგში, ჩვენ ჩავატარეთ DeepSee-ის საწყისი საველე განლაგება კვლევით კრუიზზე, რათა გამოგვემოწმებინა მისი შესაძლებლობები და იმის საილუსტრაციოდ, თუ რომელი მომხმარებლის ამოცანები შესრულდა ამ სფეროში. შემდეგ, ჩვენ გამოვკითხეთ გუნდის თითოეული წევრი და შევაგროვეთ გამოხმაურება ღრმა ოკეანის საველე სამუშაოების რამდენიმე სფეროს განლაგების შესახებ, რომელზეც DeepSee-მ გავლენა მოახდინა. ჩვენ გავიგეთ, რომ: სითხის ურთიერთქმედება [16] და მრავალი მასშტაბით ვიზუალიზებული მონაცემთა აგრეგაცია შეიძლება დაეხმაროს მეცნიერებს გაზარდონ შეზღუდული ნიმუშების მეცნიერული ანაზღაურება მონაცემთა შესახებ კითხვების დასმის ახალი გზების ჩართვით; (1) 2D და 3D მონაცემების ერთსა და იმავე ინტერფეისში ინტეგრირებამ შეიძლება მოახდინოს ახალი კვლევის სამუშაო ნაკადების კატალიზება მომავალი ნიმუშის ახალი პოტენციური მიზნების დასახვით და მონაცემთა მომზადების გრძელვადიანი ღირებულების შემცირებით; და (2) მოდულურ ვიზუალიზაციას შეუძლია დაეხმაროს გუნდის წევრებს სხვადასხვა როლებითა და მრავალფეროვანი კვლევის მიზნებით კონკრეტული ამოცანების გადაჭრაში, რადგან ისინი გადაწყვეტენ სად და რომელი ნიმუშები შეაგროვონ. (3) ამ აღმოჩენებიდან, ჩვენ შევადგინეთ პრინციპები მომავალი ვიზუალიზაციის სისტემების დიზაინისთვის სხვა საველე სამუშაოებზე ორიენტირებულ დომენებში: პრიორიტეტული მონაცემების ინტეგრაცია, როგორც მომხმარებლის დავალება დიზაინის შექმნისას, ეხმარება მომხმარებლებს აკონტროლონ მონაცემები, რომლებიც დამატებულია მინდორში; (1) ფიზიკური მონაცემების ვიზუალიზაცია გარემოს კონტექსტში, რაც ხელს უწყობს იდეების უფრო ძლიერ გაგებასა და კომუნიკაციას; (2) მონაცემთა ტიპების შერწყმა მიკრო და მაკრო მასშტაბის ანალიზისთვის, გაზრდის სამეცნიერო ანაზღაურებას შეზღუდულ ნიმუშებზე; და (3) შეიმუშავეთ ინტერაქტიული ვიზუალიზაცია გონებრივი მოდელირების დასახმარებლად, რაც მეცნიერებს ეხმარება გაიგონ და გამოიკვლიონ რთული პროცესები (4) მთლიანობაში, სითხის ურთიერთქმედების, მჭიდროდ ინტეგრირებული მონაცემების და მოდულური ვიზუალიზაციის კომბინაციამ უზრუნველყო მონაცემების ღრმა ხედვა, რაც დაეხმარა მკვლევარებს სივრცის შესახებ უფრო ძლიერი ინტუიციის ჩამოყალიბებაში. გარემოსდაცვითი ნიმუშის მონაცემების განაწილება, რაც საბოლოოდ ხელს უწყობს სამომავლო ნიმუშის უფრო ინფორმირებულ შერჩევას. მოკლედ, ამ ნაშრომის წვლილი არის: (1) სამეცნიერო პროცესის დახასიათება და დიზაინის მოსაზრებები ღრმა ოკეანის ეკოსისტემების ვიზუალიზაციისთვის მომხმარებელზე ორიენტირებული დიზაინის პროცესის შემდეგ; (2) , ინტერაქტიული სამუშაო სივრცე, რომელიც ვიზუალურად ასახავს ღრმა ზღვის ნალექის სინჯის აღების ისტორიას მომავალი ნიმუშის უბნის არჩევისთვის; და (3) რეფლექსია დაფუძნებული ინტერვიუებზე მეცნიერებთან, რომლებმაც განათავსეს , სადაც განიხილავენ მიღებული გაკვეთილები და მონაცემთა ვიზუალიზაციის უფრო ფართო ზემოქმედება საველე სამუშაოებზე ორიენტირებული სამეცნიერო კვლევის მხარდასაჭერად. DeepSee DeepSee ეს ნაშრომი CC BY 4.0 DEED ლიცენზიით. ხელმისაწვდომია arxiv-ზე [1] DeepSee კოდი: https://github.com/orphanlab/DeepSee