هوش مصنوعی به بهبود چشم ناسا برای مطالعه خورشید کمک می‌کند!!

این تصویر هفت طول موج ماورای بنفش را نشان می‌دهد که توسط مجمع تصویربرداری جوی در رصدخانه دینامیک خورشیدی ناسا مشاهده شده است. ردیف بالا مشاهداتی است که از ماه می 2010 گرفته شده و ردیف پایین مشاهدات سال 2019 را بدون هیچ گونه تصحیحی ، نشان می‌دهد که چگونه این سازه با گذشت زمان تخریب می‌شود. اعتبار: لوئیز دوس سانتوس / GSFC ناسا

 

گروهی از محققان با استفاده از تکنیک‌های هوش مصنوعی برخی از تصاویر ناسا از خورشید را کالیبره می‌کنند و به بهبود داده‌های دانشمندان برای تحقیقات خورشیدی کمک می‌کنند. این تکنیک جدید در 13 آوریل 2021 در مجله Astronomy & Astrophysics منتشر شد.

 

استفاده از تلسکوپ خورشیدی کار سختی است. خیره شدن به خورشید، بمباران مداوم جریان ناپایدار ذرات خورشید و نور شدید خورشید، خسارات زیادی به بار می‌آورد. با گذشت زمان، لنزها و حسگرهای حساس تلسکوپ‌های خورشیدی شروع به تخریب می‌کنند. دانشمندان برای اطمینان از صحت داده‌هایی که این ابزارها می‌فرستند، به طور دوره‌ای مجدداً مرتب‌سازی می‌کنند تا مطمئن شوند که دقیقاً چگونه تغییرات ابزار را درک می‌کنند.

 

رصدخانه دینامیکی خورشیدی ناسا یا SDO که در سال 2010 راه‌اندازی شد، بیش از یک دهه تصاویر با کیفیت بالا از خورشید ارائه داده است. تصاویر آن به دانشمندان نگاهی دقیق به پدیده‌های مختلف خورشیدی داده است. Atmospheric Imagery Assembly یا AIA، یکی از دو ابزار تصویربرداری بر روی SDO است و دائماً به خورشید نگاه می‌کند و هر 12 ثانیه از طول 10 موج نور ماوراء بنفش عکس می‌گیرد.

 

 

تصاویر ناسا از خورشید را کالیبره می‌کنند و به بهبود داده‌های دانشمندان برای تحقیقات خورشیدی کمک می‌کنند. این تکنیک جدید در 13 آوریل 2021 در مجله Astronomy & Astrophysics منتشر شد.

 

از زمان پرتاب SDO ، دانشمندان از راکتهای صوتی برای کالیبره کردن AIA استفاده کرده‌اند. راکت‌های صوتی راکت‌های کوچکتری هستند که معمولاً فقط چند ابزار را حمل می‌کنند و پروازهای کوتاه را به فضا می‌برند (معمولاً فقط 15 دقیقه). مهمتر از همه، موشکهای صوتی در بالای جو زمین پرواز می‌کنند و به ابزارهای موجود اجازه می‌دهند طول‌موج‌های ماوراء بنفش اندازه‌گیری شده توسط AIA را ببینند. این طول‌موج‌های نور توسط جو زمین جذب می‌شوند و از زمین قابل اندازه‌گیری نیستند. برای کالیبراسیون AIA، آنها یک تلسکوپ ماوراء بنفش را به یک موشک متصل می‌کنند و این داده‌ها را با اندازه‌گیری‌های AIA مقایسه می‌کنند. سپس دانشمندان می‌توانند با در نظر گرفتن هرگونه تغییر در داده‌های AIA ، تعدیلاتی را انجام دهند.

 

اشکالاتی در روش کالیبراسیون موشک‌های صوتی وجود دارد. موشکهای صوتی فقط می‌توانند خیلی زود پرتاب شوند، اما AIA دائماً به خورشید نگاه میکند. این بدان معناست که زمانی امکان خرابی وجود دارد که کالیبراسیون بین هر کالیبراسیون موشک کمی خاموش است.

 

دکتر لوئیز دوس سانتوس، فیزیکدان خورشیدی در مرکز پرواز فضایی گوددارد ناسا در گرینبلت، مریلند و نویسنده اصلی مقاله گفت: “همچنین برای مأموریتهای فضایی طولانی که گزینه کالیبراسیون موشک را ندارند، نیز مهم است.” “ما در حال مقابله با دو مشکل هستیم.”

 

کالیبراسیون مجازی

با در نظر داشتن این چالش‌ها ، دانشمندان تصمیم گرفتند با نگاهی به سمت کالیبراسیون مداوم، گزینه‌های دیگر را برای کالیبره کردن دستگاه مورد بررسی قرار دهند. یادگیری ماشینی، تکنیکی که در هوش مصنوعی استفاده می‌شود، کاملاً مناسب به نظر می‌رسید.

 

همانطور که از نام آن پیداست، یادگیری ماشینی برای یادگیری به یک برنامه رایانه ای یا الگوریتم نیاز دارد.

ردیف بالای تصاویر تخریب کانال طول موج 304 Angstrom AIA را طی سالهای پس از راه‌اندازی SDO نشان می‌دهد. سطر پایین تصاویر با استفاده از الگوریتم یادگیری ماشین برای این تخریب اصلاح می‌شود. اعتبار: لوئیز دوس سانتوس / GSFC ناسا

 

از آنجا که AIA در طول‌موجهای مختلف نور خورشید را بررسی می‌کند، محققان همچنین می‌توانند از الگوریتم برای مقایسه ساختارهای خاص در طول‌موج‌ها و تقویت ارزیابی‌های آن استفاده کنند.

 

یک گروه از محققان به سرپرستی دکتر رایان مک گراناقان – دانشمند اصلی داده و مهندس هوافضا در ASTRA LLC و مرکز پرواز فضایی  گوددارد ناسا – برای درک بهتر ارتباط بین میدان مغناطیسی زمین و یونوسفر، قسمت شارژ الکتریکی قسمت فوقانی زمین، از یادگیری ماشینی استفاده کردند. جو با استفاده از تکنیکهای علم داده در حجم زیادی از داده‌ها،  می‌توانند تکنیک‌های یادگیری ماشین را برای ایجاد مدل جدیدتری به کار بگیرند که به آنها کمک می‌کند درک کنند چطور ذرات انرژی گرفته از فضا به جو زمین می‌بارند، جایی که آب و هوای فضایی را هدایت می‌کنند.

 

هرچه یادگیری ماشینی پیشرفت کند، کاربردهای علمی آن نیز به مأموریتهای هرچه بیشتر گسترش می‌یابد. برای آینده، این ممکن است به این معنی باشد که مأموریتهای فضایی طولانی – که به مکانهایی سفر می‌کنند که پروازهای موشکی با کالیبراسیون امکان‌پذیر نیست – هنوز هم می‌توانند کالیبره شوند و داده‌های دقیق را ادامه دهند (حتی هنگام فاصله گرفتن از فواصل بیشتر و بیشتر از زمین یا هر ستاره).

 

ترجمه: سارا سیدحاتمی

منبع:

Artificial intelligence helps improve NASA’s eyes on the Sun

by Susannah Darling, NASA

https://phys.org/news/2021-07-artificial-intelligence-nasa-eyes-sun.html

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *