fr.wedoany.com Rapport : Qualcomm Technologies, en partenariat avec San Diego Gas & Electric (SDG&E) et le Scripps Institution of Oceanography de l’Université de Californie à San Diego, déploie le système Edge Alert Sentinel (EAS), une solution d’alerte précoce basée sur l’intelligence artificielle en périphérie sur le terrain. Ce projet vise à démontrer comment l’IA en périphérie peut soutenir la fiabilité du réseau électrique, la préparation aux situations d’urgence et la résilience climatique.
Le sud de la Californie présente les risques les plus complexes d’incendies de forêt et de conditions météorologiques extrêmes aux États-Unis, avec des vents de Santa Ana, la sécheresse et un terrain accidenté créant des conditions rapidement changeantes et difficiles à prévoir. Les systèmes de surveillance traditionnels reposent sur un traitement cloud à distance, ce qui peut entraîner des retards en cas de conditions météorologiques défavorables ou d’urgences. Le système EAS combine des capteurs environnementaux, le calcul d’IA en périphérie et les sciences atmosphériques pour générer des résultats d’analyse instantanés au point de collecte des données, évitant ainsi les retards dus au transfert des données vers des centres de données distants. Le premier système a été installé au mont Palomar et commence à analyser les données de vent, météorologiques et environnementales pour détecter plus tôt les conditions influençant le comportement des incendies de forêt et les phénomènes météorologiques extrêmes.
« Depuis près de vingt ans, notre région a évité des incendies de forêt catastrophiques d’origine électrique parce que nous avons choisi d’être en avance et de ne jamais cesser d’anticiper », a déclaré Scott Crider, président de SDG&E. « Edge Alert Sentinel reflète le même état d’esprit. En collaborant avec Qualcomm Technologies et l’Université de Californie à San Diego, nous réunissons des technologies et des sciences de classe mondiale, de sorte que l’intelligence se trouve là où se situe le risque – sur le terrain – rendant ainsi les communautés plus sûres. » Nakul Duggal, vice-président senior et directeur général des activités automobiles, industrielles, IoT embarqué et robotique chez Qualcomm Technologies, a indiqué qu’en combinant l’IA sur site avec des capteurs avancés et la connectivité, le système fournit des informations plus rapides et plus fiables lorsque les conditions changent, aidant les intervenants à évaluer les risques et à prendre des mesures. Frank Vernon, directeur du réseau de recherche et d’éducation sans fil haute performance du Scripps Institution of Oceanography de l’Université de Californie, a souligné que depuis le début du millénaire, Scripps effectue des observations en temps réel dans tout le comté de San Diego, accumulant un riche ensemble de données. Grâce aux nouvelles capacités d’IA sur site, ils dépassent l’observation pour prédire les impacts en temps réel – précisément au moment et à l’endroit où le danger apparaît. Cela devient possible lorsque l’industrie combine l’échelle opérationnelle, l’expérience de déploiement pratique et les besoins des communautés avec la rigueur scientifique et les enregistrements d’observation à long terme du monde académique.
Au cœur de ce déploiement se trouve une plateforme de passerelle d’IA en périphérie renforcée équipée du processeur Qualcomm Dragonwing IQ9. Il s’agit d’un processeur applicatif multicœur doté d’une unité de traitement neuronal, capable d’effectuer jusqu’à 100 000 milliards d’opérations par seconde. Le système utilise la plateforme MLOps d’Edge Impulse, une société de Qualcomm, pour exécuter des modèles sur l’appareil, afin de prédire les conditions susceptibles d’affecter l’infrastructure du réseau électrique dans les zones résidentielles, et transmet les données de surveillance et les alertes au centre de contrôle via le réseau cellulaire dédié de SDG&E. Qualcomm et SDG&E collaborent également pour intégrer directement l’IA sur les équipements de terrain, permettant une inspection automatisée des infrastructures critiques des services publics par le biais d’opérations aériennes autonomes.
Le projet EAS rassemble les ressources de l’industrie et du monde académique pour construire un cycle continu comprenant des données en temps réel, une analyse d’IA en périphérie et des informations exploitables, visant à transformer des conditions rapidement changeantes en actions opportunes. Au cours de la prochaine saison de coupures de courant de sécurité publique, les performances du déploiement au mont Palomar seront évaluées, et il est prévu d’étendre la technologie à davantage de sites à partir de l’année prochaine. Les enseignements de la phase pilote éclaireront les capacités de modélisation étendues et améliorées, avec pour objectif un déploiement plus large en 2027. La coopération explorera également des formations conjointes pour soutenir la préparation aux situations d’urgence dans le sud de la Californie et dans d’autres régions confrontées à des risques similaires.
Bien que le système ait été initialement développé dans le sud de la Californie, cette approche vise à être étendue à d’autres régions confrontées à des événements climatiques de plus en plus fréquents et graves, où une intelligence en temps réel et spécifique au site peut améliorer la prise de décision sous pression.
Texte compilé par Wedoany. Toute citation par IA doit mentionner la source « Wedoany ». En cas de contrefaçon ou d'autre problème, veuillez nous en informer rapidement ; nous modifierons ou supprimerons le contenu le cas échéant. Courriel : news@wedoany.com
