Root NationНовиниНовини ITШтучний інтелект допомагає NASA у вивченні Сонця

Штучний інтелект допомагає NASA у вивченні Сонця

-

У сонячного телескопа важка робота. Спостереження за Сонцем завдають великої шкоди постійним бомбардуванням нескінченним потоком сонячних часток і інтенсивним сонячним світлом. Згодом чутливі лінзи і сенсори сонячних телескопів починають руйнуватися. Щоб гарантувати точність даних, що відправляються такими інструментами, вчені періодично проводять повторне калібрування, щоб переконатися, що вони розуміють, як змінюється інструмент.

Відкрита у 2010 році обсерваторія сонячної динаміки NASA, або SDO, вже понад 10 років надає зображення Сонця у високій роздільній здатності. Ці зображення дали вченим можливість детально розглянути різні сонячні явища, які можуть викликати космічну погоду і вплинути на наших астронавтів і технології на Землі та в космосі. Збірка атмосферних зображень, або AIA, є одним з двох інструментів візуалізації на SDO, яка постійно дивиться на Сонце, роблячи зображення в 10 довжинах хвиль ультрафіолетового світла кожні 12 секунд. Це створює величезну кількість інформації про Сонце, але, як і всі прилади для спостереження за Сонцем, AIA згодом руйнується, і дані необхідно часто калібрувати.

NASA's images of the Sun
На цьому зображенні показано 7 ультрафіолетових довжин хвиль, які спостерігаються Асамблеєю атмосферних зображень на борту обсерваторії сонячної динаміки NASA. У верхньому ряду представлені спостереження, зроблені в травні 2010 року, а в нижньому ряду показані спостереження за 2019 рік без будь-яких поправок, що показують, як прилад деградує з плином часу.

З моменту запуску SDO вчені використовували зондувальні ракети для калібрування AIA, це ракети невеликого розміру, які зазвичай несуть всього кілька інструментів і здійснюють короткі польоти в космос – десь 15 хвилин, вони літають над більшою частиною атмосфери Землі, дозволяючи приладам на борту бачити ультрафіолетові довжини хвиль, виміряні AIA. Ці довжини хвиль світла поглинаються атмосферою Землі та не можуть бути виміряні з землі. Щоб відкалібрувати AIA, вчені прикріпили ультрафіолетовий телескоп до зондуючої ракети і порівняли ці дані з вимірами AIA.

Метод калібрування зондуючою ракетою має ряд недоліків. Ракети можуть запускатися не так часто, коли AIA натомість постійно дивиться на Сонце. Це означає, що між кожним калібруванням ракети-зонда є час простою, коли калібрування трохи відхиляється.

Віртуальне калібрування NASA

Пам’ятаючи про ці проблеми, вчені вирішили розглянути інші варіанти калібрування приладу з прицілом на постійне калібрування. Машинне навчання, техніка, яка використовується в штучному інтелекті, здається, ідеально підходить. Як випливає з назви, машинне навчання вимагає комп’ютерної програми або алгоритму, щоб навчитися виконувати своє завдання.

NASA images of the Sun
Верхній ряд зображень показує погіршення каналу з довжиною хвилі 304 Ангстрема AIA за роки, що минули з моменту запуску SDO. Нижній ряд зображень виправлений з урахуванням цього погіршення за допомогою алгоритму машинного навчання.

По-перше, дослідникам потрібно було навчити алгоритм машинного навчання розпізнавати сонячні структури і порівнювати їх з використанням даних AIA. Для цього вони надають алгоритму зображення, отримані при зондуванні калібрувальних польотів ракети, і повідомляють йому, скільки калібрувань їм необхідно. Після достатньої кількості цих прикладів вони надають алгоритму схожі зображення і дивляться, чи зможе він визначити необхідне калібрування. Маючи достатньо даних, алгоритм вчиться визначати, який обсяг калібрування потрібен для кожного зображення.

Оскільки AIA дивиться на Сонце у світлових хвилях з різними довжинами хвиль, дослідники також можуть використовувати алгоритм для порівняння конкретних структур на різних довжинах хвиль і точніших оцінок.

Для початку вони вчили алгоритм, як виглядає сонячний спалах, показуючи йому сонячні спалахи на всіх довжинах хвиль AIA, поки він не розпізнав сонячні спалахи у всіх різних типах світла. Щойно програма розпізнала сонячний спалах без будь-якої деградації, алгоритм зміг визначити, наскільки деградація впливає на поточні зображення AIA і скільки калібрування потрібно для кожного.

«Це було великою подією», – сказав доктор Луї Дос Сантос. «Замість того, щоб просто ідентифікувати їх на одній і тій же довжині хвилі, ми ідентифікуємо структури на різних довжинах хвиль». Це означає, що дослідники можуть бути більш впевнені в калібруванні, визначеним алгоритмом. Дійсно, порівнюючи їх дані віртуального калібрування з даними калібрування зондуючої ракети програма машинного навчання виявилася на висоті. За допомогою цього нового процесу вчені готові постійно калібрувати зображення AIA між польотами калібрувальних ракет, підвищуючи точність даних SDO для дослідників.

Читайте також:

Sourcephys
Підписатися
Сповістити про
guest
0 Comments
Вбудовані Відгуки
Переглянути всі коментарі