Root NationΝέαειδήσεις πληροφορικήςΗ τεχνητή νοημοσύνη βοηθά τη NASA στη μελέτη του Ήλιου

Η τεχνητή νοημοσύνη βοηθά τη NASA στη μελέτη του Ήλιου

-

Ένα ηλιακό τηλεσκόπιο έχει μια δύσκολη δουλειά. Η παρατήρηση του Ήλιου επηρεάζει τον συνεχή βομβαρδισμό ενός ατελείωτου ρεύματος ηλιακών σωματιδίων και του έντονου ηλιακού φωτός. Με τον καιρό, οι ευαίσθητοι φακοί και οι αισθητήρες των ηλιακών τηλεσκοπίων αρχίζουν να καταρρέουν. Για να διασφαλιστεί η ακρίβεια των δεδομένων που αποστέλλονται από τέτοια όργανα, οι επιστήμονες κάνουν περιοδικά επαναβαθμονόμηση για να βεβαιωθούν ότι κατανοούν πώς αλλάζει το όργανο.

Το Παρατηρητήριο Solar Dynamics της NASA άνοιξε το 2010 ή Σ.Δ.Ο, παρέχει εικόνες υψηλής ανάλυσης του Ήλιου για πάνω από 10 χρόνια. Αυτές οι εικόνες έδωσαν στους επιστήμονες μια λεπτομερή ματιά σε διάφορα ηλιακά φαινόμενα που μπορούν να προκαλέσουν διαστημικές καιρικές συνθήκες και να επηρεάσουν τους αστροναύτες και την τεχνολογία μας στη Γη και στο διάστημα. Το Atmospheric Imager Assembly, ή AIA, είναι ένα από τα δύο όργανα απεικόνισης στο SDO που κοιτάζει συνεχώς τον Ήλιο, λαμβάνοντας εικόνες σε 10 μήκη κύματος υπεριώδους φωτός κάθε 12 δευτερόλεπτα. Αυτό παράγει έναν τεράστιο όγκο πληροφοριών για τον Ήλιο, αλλά όπως όλα τα όργανα ηλιακής παρατήρησης, ο ΔΑΑ υποβαθμίζεται με την πάροδο του χρόνου και τα δεδομένα πρέπει να βαθμονομούνται συχνά.

Οι εικόνες του Ήλιου της NASA
Αυτή η εικόνα δείχνει 7 μήκη κύματος υπεριώδους που παρατηρήθηκαν από το Atmospheric Imager Assembly στο Παρατηρητήριο Solar Dynamics της NASA. Η επάνω σειρά δείχνει παρατηρήσεις που έγιναν τον Μάιο του 2010, ενώ η κάτω σειρά δείχνει παρατηρήσεις από το 2019 χωρίς καμία διόρθωση, δείχνοντας πώς το όργανο υποβαθμίζεται με την πάροδο του χρόνου.

Από την εκτόξευση του SDO, οι επιστήμονες χρησιμοποίησαν πυραύλους ηχογράφησης για τη βαθμονόμηση του ΔΑΑ, οι οποίοι είναι μικροί πύραυλοι που συνήθως μεταφέρουν λίγα όργανα και πραγματοποιούν σύντομες διαστημικές πτήσεις -- περίπου 15 λεπτά -- πετούν πάνω από το μεγαλύτερο μέρος της ατμόσφαιρας της Γης, επιτρέποντας στα όργανα επί του σκάφους να βλέπε υπεριώδη μήκη κύματος , μετρημένα από τον ΔΑΑ. Αυτά τα μήκη κύματος φωτός απορροφώνται από την ατμόσφαιρα της Γης και δεν μπορούν να μετρηθούν από το έδαφος. Για τη βαθμονόμηση του ΔΑΑ, οι επιστήμονες προσάρτησαν ένα τηλεσκόπιο υπεριώδους στον πύραυλο και συνέκριναν αυτά τα δεδομένα με τις μετρήσεις του ΔΑΑ.

Η μέθοδος βαθμονόμησης πυραύλων βυθομέτρησης έχει μια σειρά από μειονεκτήματα. Οι πύραυλοι μπορεί να μην εκτοξεύονται τόσο συχνά όταν ο ΔΑΑ κοιτάζει συνεχώς τον Ήλιο. Αυτό σημαίνει ότι μεταξύ κάθε βαθμονόμησης του πυραύλου ανιχνευτή υπάρχει μια περίοδος διακοπής λειτουργίας όπου η βαθμονόμηση είναι ελαφρώς απενεργοποιημένη.

Εικονική βαθμονόμηση της NASA

Έχοντας αυτά τα προβλήματα υπόψη, οι επιστήμονες αποφάσισαν να εξετάσουν άλλες επιλογές για τη βαθμονόμηση της συσκευής με σκοπό τη μόνιμη βαθμονόμηση. Η μηχανική μάθηση, μια τεχνική που χρησιμοποιείται στην τεχνητή νοημοσύνη, φαίνεται να ταιριάζει απόλυτα. Όπως υποδηλώνει το όνομα, η μηχανική εκμάθηση απαιτεί ένα πρόγραμμα υπολογιστή ή έναν αλγόριθμο για να μάθει πώς να εκτελεί μια εργασία.

Εικόνες του Ήλιου της NASA
Η επάνω σειρά των εικόνων δείχνει την υποβάθμιση του καναλιού 304 Angstrom του ΔΑΑ κατά τη διάρκεια των ετών από την κυκλοφορία του SDO. Η κάτω σειρά των εικόνων διορθώνεται για αυτήν την υποβάθμιση χρησιμοποιώντας έναν αλγόριθμο μηχανικής εκμάθησης.

Αρχικά, οι ερευνητές έπρεπε να εκπαιδεύσουν έναν αλγόριθμο μηχανικής μάθησης για να αναγνωρίζει τις ηλιακές δομές και να τις συγκρίνουν χρησιμοποιώντας δεδομένα ΔΑΑ. Για να γίνει αυτό, παρέχουν στον αλγόριθμο εικόνες που λαμβάνονται κατά τη διάρκεια πτήσεων βαθμονόμησης ήχου του πυραύλου και του λένε πόσες βαθμονομήσεις χρειάζονται. Μετά από αρκετά από αυτά τα παραδείγματα, τροφοδοτούν τον αλγόριθμο παρόμοιες εικόνες και βλέπουν αν μπορεί να καθορίσει την απαιτούμενη βαθμονόμηση. Με επαρκή δεδομένα, ο αλγόριθμος μαθαίνει να καθορίζει πόση βαθμονόμηση χρειάζεται για κάθε εικόνα.

Επειδή ο ΔΑΑ κοιτάζει τον Ήλιο σε διαφορετικά μήκη κύματος φωτός, οι ερευνητές μπορούν επίσης να χρησιμοποιήσουν τον αλγόριθμο για να συγκρίνουν συγκεκριμένες δομές σε διαφορετικά μήκη κύματος και να κάνουν πιο ακριβείς εκτιμήσεις.

Πρώτα δίδαξαν τον αλγόριθμο πώς μοιάζει μια ηλιακή έκλαμψη δείχνοντάς της ηλιακές εκλάμψεις σε όλα τα μήκη κύματος του ΔΑΑ έως ότου αναγνώρισε ηλιακές εκλάμψεις σε όλους τους διαφορετικούς τύπους φωτός. Μόλις το πρόγραμμα αναγνώρισε μια ηλιακή έκλαμψη χωρίς καμία υποβάθμιση, ο αλγόριθμος ήταν σε θέση να προσδιορίσει πόσο η υποβάθμιση επηρέαζε τις τρέχουσες εικόνες ΔΑΑ και πόση βαθμονόμηση χρειαζόταν για καθεμία.

«Ήταν ένα μεγάλο γεγονός», είπε ο Δρ Λούις Ντος Σάντος. «Αντί απλώς να τα αναγνωρίζουμε στο ίδιο μήκος κύματος, εντοπίζουμε δομές σε διαφορετικά μήκη κύματος». Αυτό σημαίνει ότι οι ερευνητές μπορούν να είναι πιο σίγουροι για τη βαθμονόμηση που καθορίζεται από τον αλγόριθμο. Πράγματι, κατά τη σύγκριση των εικονικών δεδομένων βαθμονόμησής τους με τα δεδομένα βαθμονόμησης πυραύλων ηχηρού, το πρόγραμμα μηχανικής εκμάθησης αποδείχθηκε ότι ήταν στην κορυφή. Με αυτή τη νέα διαδικασία, οι επιστήμονες είναι έτοιμοι να βαθμονομούν συνεχώς τις εικόνες του ΔΑΑ μεταξύ των πτήσεων πυραύλων βαθμονόμησης, αυξάνοντας την ακρίβεια των δεδομένων SDO για τους ερευνητές.

Διαβάστε επίσης:

Εγγραφείτε
Ειδοποίηση για
επισκέπτης

0 Σχόλια
Ενσωματωμένες κριτικές
Δείτε όλα τα σχόλια
Εγγραφείτε για ενημερώσεις