Adam Coscia, uno studente di dottorato al quarto anno presso la Georgia Tech, ha trasformato la ricerca oceanografica con il suo strumento interattivo di visualizzazione dei dati, DeepSee, che consente agli scienziati di prevedere e analizzare i punti caldi dei campioni di sedimenti negli ambienti di acque profonde.
Uno strumento innovativo per la visualizzazione dei dati offre agli oceanografi e agli ecologisti microbici uno sguardo senza precedenti sugli ecosistemi delle profondità marine che studiano. Progettato da Adam Coscia, uno studente di dottorato del quarto anno presso la Georgia Tech, lo strumento, chiamato DeepSee, sta trasformando il modo in cui i ricercatori prevedono e analizzano i punti caldi dei campioni di sedimenti.
Iniziato inizialmente come progetto di stage presso la NASA, il lavoro di Coscia si è evoluto in una risorsa critica sotto la guida di un team interdisciplinare del Caltech, del Jet Propulsion Laboratory (JPL) gestito da Caltech per la NASA e dell'ArtCenter College of Design.
Victoria Orphan, leader del gruppo di ricerca del Caltech, è una rinomata ecologista microbica specializzata nello studio delle comunità microbiche delle profondità marine e delle loro interazioni all'interno dei sedimenti del fondale marino. Avendo dovuto affrontare sfide organizzative con set di dati storici, Orphan e il suo team avevano bisogno di un approccio più consolidato.
“Storicamente, i nostri set di dati sono stati discreti e hanno vissuto in fogli di calcolo Excel separati. Forse alla fine faremo qualche analisi statistica per trovare correlazioni in quei dati. Quindi li confrontiamo con le nostre mappe", ha detto Orphan in a comunicato stampa. “Non avevamo un modo per consolidare tutto sotto un unico ombrello che ci permettesse di saperne di più su questi ecosistemi”.
Per ottimizzare le spedizioni di ricerca, il team di Orphan ogni anno intraprende viaggi al largo della costa della California, utilizzando veicoli telecomandati (ROV) per raccogliere campioni di sedimenti cruciali. L'introduzione di DeepSee ha rivoluzionato queste spedizioni.
"L'idea è che una volta che hai i campioni e sei interessato a un'area specifica con campioni precedenti, puoi entrare e annotare sulla mappa dove raccogliere i campioni successivamente con il nostro strumento di disegno", ha detto Coscia nel comunicato stampa.
DeepSee integra dati topografici e fotografici in un browser web interattivo e intuitivo in grado di generare modelli di visualizzazione 3D. Questo strumento innovativo non solo migliora l'organizzazione dei dati, ma facilita anche l'interazione in tempo reale e la possibilità di prendere appunti.
"Ci siamo concentrati sul processo di esplorazione e presa di appunti con mappe e dati e su nuovi modi di visualizzarli", ha aggiunto Coscia. “Gli scienziati possono disegnare e mappare tutti i loro campioni in tempo reale. Possono fare riferimento a dati specifici molto più facilmente e determinare dove il team dovrebbe andare per ottenere i campioni migliori”.
Implementato nel corso di due recenti spedizioni, DeepSee ha già dimostrato una maggiore efficienza nella pianificazione strategica per l'Orphan Lab.
“L’infrastruttura messa in atto da Adam lo renderà uno strumento abilitante non solo per il mio gruppo ma per altri oceanografi e scienziati in altri campi – ovunque ci sia una distribuzione spaziale di informazioni che si desidera connettere ad altri metadati”, ha affermato Orphan.
DeepSee si sta rivelando prezioso anche per la formazione di nuovi ricercatori, rendendo il processo di onboarding più fluido e intuitivo.
"Possiamo integrarli molto più facilmente e dare loro un'idea di quali dati sono disponibili e dove abbiamo raccolto le informazioni in un modo molto più chiaro rispetto a quando fanno riferimento a un foglio di calcolo Excel", ha aggiunto Orphan.
Le capacità dello strumento vanno oltre la visualizzazione dei dati a livello di superficie, poiché può creare modelli 3D sotto il fondale marino, stimando la qualità dei dati in posizioni adiacenti sulla base di punti dati noti.
“Non vedresti mai nulla visivamente sotto il fondale marino. Dovresti andare a scavare. Ma i nostri modelli 3D mostrano che potresti avere dati che suggeriscono un hotspot a pochi metri sotto il pavimento. Questo ti dice dove assaggiare dopo”, ha detto Coscia.
Guardando al futuro, Coscia mira a integrare modelli di apprendimento automatico in DeepSee per migliorare ulteriormente le sue capacità predittive, subordinate all’accumulo di più dati.
DeepSee rappresenta un faro di innovazione nella ricerca oceanografica, annunciando una nuova era di visualizzazione dei dati e di efficienza sul campo.