septiembre 25, 2021

Telecentro di Bologna e dell'Emilia-Romagna

Manténgase al tanto de las últimas novedades de España sobre el terreno

L’intelligenza artificiale aiuta a migliorare gli occhi della NASA sul sole

La riga superiore delle immagini mostra il degrado del canale 304 angstrom di AIA nel corso degli anni dal lancio di SDO. La riga inferiore delle immagini viene corretta per questo degrado utilizzando un algoritmo di apprendimento automatico. Credito: Luiz dos Santos/NASA GSFC

Un gruppo di ricercatori sta utilizzando tecniche di intelligenza artificiale per calibrare alcune delle immagini del sole della NASA, contribuendo a migliorare i dati che gli scienziati utilizzano per la ricerca sull’energia solare. La nuova tecnologia è stata pubblicata sulla rivista Astronomia e astrofisica Il 13 aprile 2021.

Il telescopio solare ha un compito difficile. Fissare il sole richiede un pesante tributo, con un costante bombardamento da parte di un flusso infinito di particelle solari e luce solare intensa. Nel tempo, le lenti e i sensori sensibili dei telescopi solari iniziano a deteriorarsi. Per assicurarsi che i dati inviati da questi strumenti rimangano accurati, gli scienziati si ricalibrano periodicamente per assicurarsi di capire esattamente come sta cambiando lo strumento.

Lanciato nel 2010, il Solar Dynamics Observatory, o SDO, della NASA, ha fornito immagini ad alta risoluzione del sole per oltre un decennio. Le sue fotografie hanno fornito agli scienziati uno sguardo dettagliato sui vari fenomeni solari che possono suscitare il clima spaziale e influenzare gli astronauti e la tecnologia sulla Terra e nello spazio. L’Aerial Imagery Array, o AIA, è uno dei due strumenti di imaging su SDO e osserva costantemente il sole, scattando immagini a 10 lunghezze d’onda della luce ultravioletta ogni 12 secondi. Questo crea una ricchezza ineguagliabile di informazioni sul Sole, ma – come tutti gli strumenti per osservare il sole – l’AIA si deteriora nel tempo e i dati devono essere calibrati frequentemente.

Società di fotografia aerea Sette lunghezze d'onda

Questa immagine mostra sette delle lunghezze d’onda ultraviolette osservate dalla Aerial Imaging Society a bordo del Solar Dynamics Observatory della NASA. La riga superiore sono note di maggio 2010 e la riga inferiore mostra note del 2019, senza correzioni, che mostrano come lo strumento si è deteriorato nel tempo. Credito: Luiz dos Santos/NASA GSFC

Dal lancio dell’SDO, gli scienziati hanno utilizzato razzi sonda per calibrare l’AIA. I razzi sonda sono razzi più piccoli che di solito trasportano solo pochi strumenti e compiono brevi viaggi nello spazio, di solito solo 15 minuti. Fondamentalmente, i razzi sonda sorvolano la maggior parte dell’atmosfera terrestre, consentendo agli strumenti di bordo di vedere le lunghezze d’onda ultraviolette misurate dall’AIA. Queste lunghezze d’onda della luce sono assorbite dall’atmosfera terrestre e non possono essere misurate dalla Terra. Per calibrare l’AIA, collegheranno un telescopio ultravioletto a un razzo sonda e confronteranno quei dati con le misurazioni dell’AIA. Gli scienziati possono quindi apportare modifiche per tenere conto di eventuali modifiche ai dati AIA.

READ  La lettera del medico dell'Indiana che diffonde bugie sul COVID

Ci sono alcuni difetti nel metodo di calibrazione del missile sonda. I razzi sonda possono essere lanciati solo così spesso, ma l’AIA è costantemente alla ricerca del sole. Ciò significa che c’è un tempo di inattività in cui la calibrazione è leggermente errata tra ogni calibrazione del missile.

“È anche importante per le missioni nello spazio profondo, che non avrebbero la possibilità di calibrare i razzi”, ha affermato il dott. Luis dos Santos, eliofisico presso il Goddard Space Flight Center della NASA a Greenbelt, nel Maryland e autore principale del documento di ricerca. “Stiamo affrontando due problemi contemporaneamente”.

calibrazione predefinita

Con queste sfide in mente, gli scienziati hanno deciso di prendere in considerazione altre opzioni per la calibrazione del dispositivo, con un’enfasi sulla calibrazione continua. L’apprendimento automatico, un approccio utilizzato nell’intelligenza artificiale, sembrava adattarsi perfettamente.

Come suggerisce il nome, l’apprendimento automatico richiede un programma per computer o un algoritmo per imparare a svolgere il proprio compito.

Dom AIA 2021

Sole visto dall’AIA a 304 Å di luce nel 2021 prima della correzione del deterioramento (vedi immagine sotto con le correzioni da una calibrazione del razzo sonda). Credito: NASA GSFC

Innanzitutto, i ricercatori avevano bisogno di addestrare un algoritmo di apprendimento automatico per riconoscere le strutture solari e come si confrontano utilizzando i dati AIA. Per fare ciò, forniscono all’algoritmo le immagini dei voli di calibrazione del missile sonda e dicono loro la corretta quantità di calibrazione di cui hanno bisogno. Dopo un numero sufficiente di questi esempi, danno all’algoritmo immagini simili e vedono se determinerà la corretta calibrazione richiesta. Con dati sufficienti, l’algoritmo impara a determinare la quantità di calibrazione richiesta per ciascuna immagine.

Dom AIA 2021 FISSO

Il Sole è stato visto dall’AIA a 304 A di luce nel 2021 con correzioni dalla calibrazione del razzo sonda (vedi immagine precedente sopra prima della correzione del deterioramento). Credito: NASA GSFC

Poiché l’AIA osserva il Sole a più lunghezze d’onda della luce, i ricercatori possono anche utilizzare l’algoritmo per confrontare strutture specifiche tra lunghezze d’onda e migliorare le loro valutazioni.

READ  Studio: Pfizer produce una protezione molto più forte se le dosi sono a distanza di mesi

Per iniziare, insegneranno all’algoritmo che aspetto ha un brillamento solare mostrando i brillamenti solari su tutte le lunghezze d’onda AIA in modo che possa identificare i brillamenti solari in tutti i diversi tipi di luce. Una volta che il software è in grado di identificare il brillamento solare senza alcun degrado, l’algoritmo può quindi determinare quanto del degrado influisce sulle immagini AIA esistenti e quanta calibrazione è necessaria per ciascuna.

“Quella era la cosa importante”, ha detto dos Santos. “Invece di identificarlo semplicemente alla stessa lunghezza d’onda, identifichiamo strutture su lunghezze d’onda”.

Ciò significa che i ricercatori possono essere più certi della calibrazione impostata dall’algoritmo. Infatti, quando si confrontavano i loro ipotetici dati di calibrazione con i dati di calibrazione del missile sonda, il software di apprendimento automatico era sul posto.

Con questo nuovo processo, i ricercatori si stanno preparando a calibrare continuamente le immagini AIA tra i voli dei razzi di calibrazione, migliorando l’accuratezza dei dati SDO dei ricercatori.

Apprendimento automatico dietro il sole

I ricercatori stanno anche utilizzando l’apprendimento automatico per comprendere meglio le condizioni vicino a casa.

Un gruppo di ricercatori, guidato dal Dr. Ryan McGrangan, principale scienziato dei dati e ingegnere spaziale presso Astra LLC e Goddard Space Flight Center della NASA, usa l’apprendimento automatico Comprendere la relazione tra il campo magnetico terrestre e la ionosfera, la porzione elettricamente carica dell’alta atmosfera terrestre. Utilizzando tecniche di data science per grandi volumi di dati, possono applicare tecniche di apprendimento automatico per sviluppare un nuovo modello che li aiuti a comprendere meglio come le particelle della pioggia spaziale vengono energizzate nell’atmosfera terrestre, dove guidano il clima spaziale.

READ  Il genoma umano si sovrappone principalmente ai Neanderthal e ad altri antenati umani

Con il progredire dell’apprendimento automatico, le sue applicazioni scientifiche si espanderanno per includere sempre più attività. Per il futuro, ciò potrebbe significare che le missioni nello spazio profondo – che viaggiano in luoghi in cui i razzi di calibrazione non possono essere lanciati – possono ancora essere calibrate e continuare a fornire dati accurati, anche quando si viaggia a distanze sempre maggiori dalla Terra o da qualsiasi stella.

Riferimento: “Calibrazione automatica multicanale della raccolta di immagini aeree utilizzando l’apprendimento automatico” di Louise F.J. dos Santos, Sovic Bos, Valentina Salvatelli, Brad Newberg, Mark CM Cheung, Miho Janvier, Meng Jin, Yaren Gall, Paul Boerner e Atilim Gunes Baden aprile 13 , 2021, Astronomia e astrofisica.
DOI: 10.1051 / 0004-6361 / 202040051