佐治亚理工学院的一名博士生设计了一种新的数据可视化工具，帮助微生物生态学家、地理生物学家和海洋学家组成的团队更深入地了解深海微生物如何在其环境中相互作用。

　　对于四年级博士生亚当·科西亚来说，最初在美国国家航空航天局实习的经历变成了一个独特的机会。Coscia在加州理工学院、喷气推进实验室(JPL)和艺术中心设计学院的跨学科合作研究团队的监督下工作。

　　Coscia的导师把他推荐给了加州理工学院一个由维多利亚·奥芬(Victoria Orphan)领导的研究小组。奥芬是一位著名的微生物生态学家，研究海洋中的微生物群落以及它们如何在深海海底沉积物的栖息地中发挥作用。

　　奥芬和她的团队，加州理工学院的奥芬实验室，从2004年开始进行这项研究。他们最近决定采用数据可视化的方法来记录他们的发现，并计划未来的探险。

　　“从历史上看，我们的数据集是离散的，并且存在于单独的Excel电子表格中，”Orphan说。“也许最后，我们会做一些统计分析来发现这些数据中的相关性。然后我们将它们与我们的地图进行比较。我们没有办法将所有东西整合在一个保护伞下，让我们更多地了解这些生态系统。”

　　奥芬说，她的团队通常每年在加利福尼亚海岸进行一到两次研究探险。他们花了三个星期的时间，使用遥控车辆(rov)从海底收集沉积物样本。由于时间宝贵，确定最佳样本的位置至关重要。

　　奥芬还是蒙特利湾水族馆研究所(MBARI)的兼职科学家，并与海底测绘实验室合作。该实验室使用安装在rov上的低空测量系统来制作详细的海底地形图。

　　为了帮助孤儿实验室有效地处理地形和摄影数据，Coscia设计了DeepSee，这是一种交互式网络浏览器，可以使用3D可视化模型和环境地图对数据进行注释和绘图。

　　Coscia说:“我们的想法是，一旦你有了样本，并且你对先前样本的特定区域感兴趣，你就可以用我们的绘图工具在地图上标注下一步收集样本的地方。”

　　“我们专注于地图和数据的探索和记录过程，并采用新的方式将其可视化。科学家可以实时绘制和绘制所有样本。他们可以更容易地参考特定数据，并确定团队应该去哪里获得最佳样本。”

　　孤儿实验室在最近的两次探险中，将“深度洞察”带到了船上。奥芬注意到探险计划的效率提高了。

　　她说:“亚当建立的基础设施将使它成为一个有利的工具，不仅适用于我的团队，也适用于其他领域的其他海洋学家和科学家——任何你想要连接到其他元数据的空间信息分布的地方。”

　　Orphan每年都会把新的研究人员带到她在加州理工学院的实验室，而DeepSee已经加快了让新人跟上速度的过程。

　　她说:“我们可以让他们更容易上手，让他们了解有哪些数据可用，以及我们在哪里收集了信息，这种方式比让他们参考Excel电子表格要清晰得多。”

　　DeepSee还使用数据插值在海底创建3D数据模型，该模型基于一组已知数据点的范围估计新的数据点。利用已知的数据点，DeepSee填补了研究人员在附近位置或更深的地表下收集样本时可能发现的估计数据质量的空白。

　　Coscia说:“你永远看不到海底下的任何东西。”“你得去挖。但我们的3D模型告诉你，你可能有数据表明，在地板以下几英尺处有一个热点。它会告诉你下一步去哪里取样。”

　　Coscia的目标是将机器学习(ML)模型整合到DeepSee的未来版本中，该版本将使用收集到的数据来预测未来的采样地点。然而，机器学习模型的准确性需要更多的数据。

　　Coscia希望该工具的当前版本能够流行起来，这样研究人员就可以更容易地将机器学习纳入他们的工作中。

　　他说，目前的版本有很多用途。

　　“能够组织和查看你的数据，尤其是地图数据，总是很有价值的，”他说。“我的热情是帮助研究人员和科学家以新的、有价值的方式看待他们的数据。”

　　Coscia撰写了一篇关于开发深度视觉的论文，并于5月在夏威夷檀香山举行的计算机系统人为因素会议(CHI 2024)上发表。