Kutatás

Mesterséges intelligenciával generált szöveg

Elektromágneses jelek elemzésére fejlesztettek alapmodellt kínai kutatók

A Zhejiang University kutatói olyan mesterséges intelligencia modellt fejlesztettek, amely nyers elektromágneses jelek elemzésére és előállítására képes.

Elektromágneses jelek elemzésére fejlesztettek alapmodellt kínai kutatók

A Zhejiang University kutatói kifejlesztették a LEMMO nevű alapmodellt, amely nyers elektromágneses jelek jellemzésére képes. A modell többféle feladatban alkalmazható, a radarjelek tulajdonságainak meghatározásától a kommunikációt vagy radarokat zavaró rendszerek felismeréséig. Zavarási stratégiákhoz, illetve azok ellensúlyozásához kapcsolódó jeleket is képes generálni.

A LEMMO eredményei a nyilvánosan bemutatott, alapmodellekre épülő elektromágneses jelanalízis fejlődését mutatják. A modell a közölt tesztekben gyakran felülmúlta a MERLIN-t, amelyet kínai védelmi kötődésű kutatók fejlesztettek ki és publikáltak az év korábbi részében.

Feladatok és teszteredmények

A felismerési feladatok között szerepelt a kommunikációs zavarás és a radarzavarás azonosítása, a moduláció felismerése, a protokollok azonosítása, valamint a szegmensek detektálása. A modell emellett a radarjelek sávszélességét, kitöltési tényezőjét, impulzusainak számát, impulzusismétlési frekvenciáját és impulzusszélességét is meghatározhatja.

A generálási feladatok a kommunikációs és radarzavarási stratégiákra, valamint az ilyen zavarások elleni módszerekre terjedtek ki. Ezek a képességek az elektromágneses hadszíntér feltérképezésében és az abban végrehajtott műveletekben is használhatók lehetnek.

A LEMMO a szegmensdetektálás kivételével minden vizsgált felismerési feladatban megelőzte a MERLIN-t és a többi modellt; a kivételt jelentő feladatban a Gemini-3.5 Flash Lite érte el a legjobb eredményt. A felismerési feladatok összesített pontszáma a LEMMO esetében 59,3, a MERLIN-nél 43,53 volt.

A generálási eredmények vegyesebbek voltak. A LEMMO a radarzavarás és a radarzavarás elleni feladatban végzett az élen, míg a többi generálási feladatban a MERLIN szerepelt a legjobban. Az összesített generálási pontszám a LEMMO-nál 47,64, a MERLIN-nél 43,26 lett.

Miért jelentős?

A kutatás azt szemlélteti, hogy a generatív előtanítás nemcsak szöveg, kép vagy hang feldolgozására, hanem elektromágneses jelek értelmezésére is alkalmazható. Az általános célú felismerő és generáló modellek megkönnyíthetik a stratégiai jelentőségű jelekkel kapcsolatos rendszerek fejlesztését, ami hatással lehet a hadviselésre. A megközelítés emellett tudományos alkalmazásokhoz is vezethet.