Adam Coscia, mahasiswa doktoral tahun keempat di Georgia Tech, telah mengubah penelitian oseanografi dengan alat visualisasi data interaktif miliknya, DeepSee, yang memungkinkan para ilmuwan memprediksi dan menganalisis titik panas sampel sedimen di lingkungan laut dalam.
Alat visualisasi data yang inovatif menawarkan kepada para ahli kelautan dan ekologi mikroba pandangan yang belum pernah terjadi sebelumnya mengenai ekosistem laut dalam yang mereka pelajari. Dirancang oleh Adam Coscia, mahasiswa doktoral tahun keempat di Georgia Tech, alat yang disebut DeepSee ini mengubah cara para peneliti memprediksi dan menganalisis titik panas sampel sedimen.
Awalnya dimulai sebagai proyek magang di NASA, pekerjaan Coscia telah berkembang menjadi sumber daya penting di bawah bimbingan tim interdisipliner dari Caltech, Jet Propulsion Laboratory (JPL) yang dikelola oleh Caltech untuk NASA dan ArtCenter College of Design.
Victoria Orphan, pemimpin tim peneliti di Caltech, adalah ahli ekologi mikroba terkenal dengan fokus mempelajari komunitas mikroba laut dalam dan interaksinya dalam sedimen dasar laut. Setelah menghadapi tantangan organisasi dengan kumpulan data historis, Orphan dan timnya memerlukan pendekatan yang lebih terkonsolidasi.
“Secara historis, kumpulan data kami bersifat terpisah dan disimpan dalam spreadsheet Excel yang terpisah. Mungkin pada akhirnya, kami akan melakukan analisis statistik untuk menemukan korelasi pada data tersebut. Lalu kita bandingkan dengan peta kita,” kata Orphan dalam a rilis berita. “Kami tidak memiliki cara untuk menggabungkan semuanya di bawah satu payung yang memungkinkan kami mempelajari lebih lanjut tentang ekosistem ini.”
Untuk mengoptimalkan ekspedisi penelitian mereka, tim Orphan setiap tahunnya memulai perjalanan ke lepas pantai California, menggunakan kendaraan yang dioperasikan dari jarak jauh (ROV) untuk mengumpulkan sampel sedimen penting. Pengenalan DeepSee telah merevolusi ekspedisi ini.
“Idenya adalah setelah Anda memiliki sampel, dan Anda tertarik pada area tertentu dengan sampel sebelumnya, Anda dapat masuk dan memberi anotasi pada peta tempat pengambilan sampel selanjutnya dengan alat gambar kami,” kata Coscia dalam rilis beritanya.
DeepSee mengintegrasikan data topografi dan fotografi ke dalam browser web interaktif yang mudah digunakan yang dapat menghasilkan model visualisasi 3D. Alat inovatif ini tidak hanya meningkatkan pengorganisasian data tetapi juga memfasilitasi interaksi dan pencatatan secara real-time.
“Kami fokus pada proses eksplorasi dan pencatatan dengan peta dan data serta mencari cara baru untuk memvisualisasikannya,” tambah Coscia. “Ilmuwan dapat menggambar dan memetakan semua sampel mereka secara real time. Mereka dapat merujuk data tertentu dengan lebih mudah dan menentukan ke mana tim harus pergi untuk mendapatkan sampel terbaik.”
Diimplementasikan dalam dua ekspedisi baru-baru ini, DeepSee telah menunjukkan peningkatan efisiensi dalam perencanaan strategis untuk Orphan Lab.
“Infrastruktur yang dibangun oleh Adam akan menjadikan ini alat yang memungkinkan tidak hanya bagi kelompok saya tetapi juga bagi ahli kelautan dan ilmuwan lain di bidang lain – di mana pun terdapat distribusi informasi spasial yang ingin Anda sambungkan ke metadata lain,” kata Orphan.
DeepSee juga terbukti sangat berharga dalam melatih peneliti baru, menjadikan proses orientasi lebih lancar dan intuitif.
“Kami dapat melakukan orientasi kepada mereka dengan lebih mudah dan memberi mereka gambaran tentang data apa yang tersedia dan di mana kami mengumpulkan informasi dengan cara yang jauh lebih jelas daripada meminta mereka merujuk ke spreadsheet Excel,” tambah Orphan.
Kemampuan alat ini melampaui visualisasi data di permukaan, karena dapat membuat model 3D di bawah dasar laut, memperkirakan kualitas data di lokasi yang berdekatan berdasarkan titik data yang diketahui.
“Anda tidak akan pernah melihat apa pun secara visual di bawah dasar laut. Anda harus pergi menggali. Namun model 3D kami menunjukkan bahwa Anda mungkin memiliki data yang menunjukkan adanya hotspot hanya beberapa meter di bawah permukaan tanah. Itu memberitahu Anda di mana harus mengambil sampel selanjutnya,” kata Coscia.
Ke depan, Coscia bertujuan untuk mengintegrasikan model pembelajaran mesin ke dalam DeepSee untuk lebih meningkatkan kemampuan prediktifnya, bergantung pada akumulasi lebih banyak data.
DeepSee berdiri sebagai mercusuar inovasi dalam penelitian oseanografi, menandai era baru visualisasi data dan efisiensi di lapangan.