- मौसमीय आपदाओं से होने वाला नुकसान बढ़ने के बीच Sorcerer एक YC S24 startup है, जिसका लक्ष्य 6 महीने से अधिक उड़ने वाले गुब्बारों के जरिए प्रति लागत 1000 गुना अधिक observation data इकट्ठा करना है
- पूर्वानुमान की सटीकता के लिए महत्वपूर्ण soundings आज भी काफी हद तक एकबार इस्तेमाल होने वाले latex radiosonde पर निर्भर हैं, लेकिन ये उपकरण लगभग 2 घंटे बाद फटकर गिर जाते हैं
- Latin America, Africa और समुद्री क्षेत्रों जैसे कई इलाकों में launch sites की कमी है, इसलिए दुनिया के लगभग 80% हिस्से में सटीक पूर्वानुमान के लिए आवश्यक मौसम डेटा की कमी है
- Sorcerer के गुब्बारे और payload का कुल वज़न 1 पाउंड से कम है, और ये sea level तथा 65,000ft के बीच दिन में कई बार ऊपर-नीचे जाते हुए satellite communication और thin-film solar power के साथ दीर्घकालिक observation करते हैं
- दीर्घ-अवधि उड़ान और कम लागत का संयोजन हज़ारों गुब्बारों को वातावरण में बनाए रखना संभव बना सकता है, और Sorcerer इस डेटा का उपयोग मौजूदा numerical forecasting से अधिक सटीक AI forecasting models को train करने के लिए कर रहा है
मौसम पूर्वानुमान में observational gaps
- Sorcerer एक ऐसी टीम है जो दीर्घ-अवधि तक उड़ने वाले मौसम गुब्बारों के जरिए observation data को अधिक मात्रा में और कम लागत पर इकट्ठा करना चाहती है
- अमेरिका में मौसमीय आपदाओं से होने वाला नुकसान 1981 में 3.5 अरब डॉलर से बढ़कर 2023 में 94.9 अरब डॉलर हो गया
- National Weather Service हर साल weather balloons, satellites और aircraft sensor networks पर अरबों डॉलर खर्च करता है और हर दिन सैकड़ों TB डेटा पैदा करता है
- यह डेटा बड़े supercomputers के physics-based forecasting models में input के रूप में जाता है, जो दुनिया भर के मौसम पूर्वानुमान तैयार करते हैं
- पूर्वानुमान की सटीकता के लिए विशेष रूप से महत्वपूर्ण input है soundings, यानी वायुमंडल का vertical cross-section
- दुनिया भर में हर दिन 2,500 एकबार इस्तेमाल होने वाले latex radiosondes लॉन्च किए जाते हैं
- radiosondes लगभग 2 घंटे उड़ने के बाद फट जाते हैं और ज़मीन पर गिरते हैं
- Latin America और Africa में launch sites बहुत कम हैं, और समुद्रों में तो लगभग नहीं के बराबर हैं
- नतीजतन, दुनिया के लगभग 80% हिस्से में सटीक पूर्वानुमान के लिए आवश्यक मौसम डेटा की कमी है
- Max और Alex ने Urban Sky में high-altitude aerial imaging के लिए गुब्बारे बनाते समय यह समस्या देखी कि upper-atmosphere wind forecasting पर्याप्त सटीक नहीं थी
- मुफ्त और commercial forecasting products, दोनों की सीमाएँ थीं, और एक बड़ा कारण उन ऊँचाइयों पर उच्च-गुणवत्ता वाले in-situ data की कमी थी
Sorcerer की balloon system
- Sorcerer के गुब्बारे sea level और 65,000ft के बीच दिन में कई बार ऊपर-नीचे जाते हुए vertical soundings इकट्ठा करते हैं
- हर vehicle में balloon और payload मिलाकर कुल वज़न 1 पाउंड से कम है
- कंपनी का कहना है कि FAA और ICAO नियमों के तहत इन्हें दुनिया में कहीं भी लॉन्च किया जा सकता है
- इसने San Francisco के Potrero Hill से launch का वीडियो और Golden Gate Bridge के पास launch का वीडियो साझा किया है
- गुब्बारों को सीधे बाएँ-दाएँ “drive” नहीं किया जा सकता, लेकिन विपरीत दिशाओं में बहने वाली हवा की परतों का उपयोग करके किसी विशेष क्षेत्र को target या avoid किया जा सकता है
- simulated flight paths का उदाहरण वीडियो में देखा जा सकता है
- payload satellite transceiver के जरिए संचार करता है और पतले thin-film solar panel array से बिजली बनाता है
- यह मौसम डेटा के अलावा vehicle की real-time telemetry भी इकट्ठा करता है
- telemetry का उपयोग गुब्बारों के बीच optimal spacing बनाए रखने, end-of-life पर recovery zones की ओर मार्गदर्शन, और recycling के लिए किया जाता है
- stratosphere दीर्घकालिक संचालन के लिए कठोर वातावरण है
- भूमध्य रेखा के पास उड़ान के दौरान भी तापमान अक्सर -80°C तक गिर जाता है
- ऊपर-नीचे जाने की प्रक्रिया में अत्यधिक temperature cycling होती है
- tropopause के पास 100mph से अधिक की wind shear balloon envelope को फाड़ सकती है
शुरुआती ग्राहक और दीर्घकालिक रणनीति
- शुरुआती ग्राहक वे कंपनियाँ हैं जो stratosphere में बड़े और महंगे objects चलाती हैं
- ये ग्राहक अपने संचालन के आगे की परिस्थितियों को समझने के लिए Sorcerer के गुब्बारों का उपयोग करते हैं
- Sorcerer stratosphere-specialized forecasting products भी विकसित कर रहा है
- मुख्य अंतर दीर्घ-अवधि उड़ान और कम लागत का संयोजन है
- कंपनी का मानना है कि सैद्धांतिक रूप से एक उपयोगी weather satellite की लागत के दसवें हिस्से में हज़ारों गुब्बारों को वातावरण में बनाए रखा जा सकता है
- यह अपने इकट्ठा किए गए विशिष्ट डेटा का उपयोग करके मौजूदा numerical forecasting से अधिक सटीक AI forecasting models को train कर रहा है
- क्योंकि यह observation-poor regions में सीधे डेटा इकट्ठा करता है, कंपनी का मानना है कि वह केवल public data पर train किए गए models की तुलना में लगातार बढ़त बनाए रख सकती है
1 टिप्पणियां
Hacker News राय
पहली राय
दूसरी राय
तीसरी राय
चौथी राय
पाँचवीं राय
छठी राय
सातवीं राय
आठवीं राय
नौवीं राय
दसवीं राय