Adam Coscia, estudiante de doctorado de cuarto año en Georgia Tech, ha transformado la investigación oceanográfica con su herramienta interactiva de visualización de datos, DeepSee, que permite a los científicos predecir y analizar puntos críticos de muestras de sedimentos en ambientes de aguas profundas.
Una innovadora herramienta de visualización de datos ofrece a los oceanógrafos y ecólogos microbianos una mirada sin precedentes a los ecosistemas de aguas profundas que estudian. Diseñada por Adam Coscia, estudiante de doctorado de cuarto año en Georgia Tech, la herramienta, llamada DeepSee, está transformando la forma en que los investigadores predicen y analizan los puntos críticos de muestras de sedimentos.
Inicialmente comenzó como un proyecto de pasantía en la NASA, el trabajo de Coscia se ha convertido en un recurso crítico bajo la dirección de un equipo interdisciplinario de Caltech, el Jet Propulsion Laboratory (JPL) administrado por Caltech para la NASA y el ArtCenter College of Design.
Victoria Orphan, líder del equipo de investigación de Caltech, es una reconocida ecologista microbiana que se centra en el estudio de las comunidades microbianas de las profundidades marinas y sus interacciones dentro de los sedimentos del fondo marino. Habiendo enfrentado desafíos organizacionales con conjuntos de datos históricos, Orphan y su equipo necesitaban un enfoque más consolidado.
“Históricamente, nuestros conjuntos de datos han sido discretos y han estado en hojas de cálculo de Excel separadas. Quizás al final hagamos algún análisis estadístico para encontrar correlaciones en esos datos. Luego los comparamos con nuestros mapas”, dijo Orphan en un comunicado de prensa. "No teníamos una manera de consolidar todo bajo un mismo paraguas que nos permitiera aprender más sobre estos ecosistemas".
Para optimizar sus expediciones de investigación, el equipo de Orphan se embarca anualmente en viajes frente a la costa de California, utilizando vehículos operados a distancia (ROV) para recolectar muestras de sedimentos cruciales. La introducción de DeepSee ha revolucionado estas expediciones.
"La idea es que una vez que tenga las muestras y esté interesado en un área específica con muestras anteriores, pueda ingresar y anotar en el mapa dónde recolectar muestras a continuación con nuestra herramienta de dibujo", dijo Coscia en el comunicado de prensa.
DeepSee integra datos topográficos y fotográficos en un navegador web interactivo y fácil de usar que puede generar modelos de visualización 3D. Esta innovadora herramienta no sólo mejora la organización de los datos sino que también facilita la interacción y la toma de notas en tiempo real.
“Nos enfocamos en el proceso de exploración y toma de notas con mapas y datos y en tener nuevas formas de visualizarlos”, agregó Coscia. “Los científicos pueden dibujar y mapear todas sus muestras en tiempo real. Pueden hacer referencia a datos específicos mucho más fácilmente y determinar dónde debe ir el equipo para obtener las mejores muestras”.
Implementado durante dos expediciones recientes, DeepSee ya ha demostrado una mayor eficiencia en la planificación estratégica del Orphan Lab.
"La infraestructura implementada por Adam hará que esta sea una herramienta habilitadora no solo para mi grupo sino también para otros oceanógrafos y científicos en otros campos: en cualquier lugar donde exista una distribución espacial de información que desee conectar con otros metadatos", dijo Orphan.
DeepSee también está resultando invaluable para capacitar a nuevos investigadores, haciendo que el proceso de incorporación sea más fluido e intuitivo.
"Podemos incorporarlos mucho más fácilmente y darles una idea de qué datos están disponibles y dónde hemos recopilado información de una manera mucho más clara que si consultaran una hoja de cálculo de Excel", agregó Orphan.
Las capacidades de la herramienta se extienden más allá de la visualización de datos a nivel de superficie, ya que puede crear modelos 3D bajo el fondo del mar, estimando la calidad de los datos en ubicaciones adyacentes en función de puntos de datos conocidos.
“Nunca verías nada visualmente debajo del fondo del mar. Tendrías que ir a cavar. Pero nuestros modelos 3D le muestran que es posible que tenga datos que sugieran un punto de acceso a solo unos metros por debajo del suelo. Eso te dice dónde tomar la siguiente muestra”, dijo Coscia.
De cara al futuro, Coscia pretende integrar modelos de aprendizaje automático en DeepSee para mejorar aún más sus capacidades predictivas, dependiendo de la acumulación de más datos.
DeepSee se erige como un faro de innovación en la investigación oceanográfica, presagiando una nueva era de visualización de datos y eficiencia en el campo.