Искусственный интеллект помогает НАСА лучше смотреть на Солнце

На этом изображении показаны семь длин волн ультрафиолета, наблюдаемые Ассамблеей атмосферных изображений на борту обсерватории солнечной динамики НАСА. В верхнем ряду показаны наблюдения, сделанные в мае 2010 года, а в нижнем ряду показаны наблюдения за 2019 год без каких-либо поправок, показывающие, как прибор деградировал с течением времени. Предоставлено: Луис Дос Сантос / НАСА GSFC.

Открытая в 2010 году обсерватория солнечной динамики НАСА, или SDO, уже более десяти лет предоставляет изображения Солнца в высоком разрешении. Его изображения дали ученым возможность подробно рассмотреть различные солнечные явления, которые могут вызвать космическую погоду и повлиять на наших астронавтов и технологии на Земле и в космосе. Сборка атмосферных изображений, или AIA, является одним из двух инструментов визуализации на SDO и постоянно смотрит на Солнце, делая изображения в 10 длинах волн ультрафиолетового света каждые 12 секунд. Это создает огромное количество информации о Солнце, как никакой другой, но, как и все приборы для наблюдения за Солнцем, AIA со временем ухудшается, и данные необходимо часто калибровать.

С момента запуска SDO ученые использовали зондирующие ракеты для калибровки AIA. Звуковые ракеты — это ракеты меньшего размера, которые обычно несут всего несколько инструментов и совершают короткие полеты в космос — обычно всего 15 минут. Что особенно важно, зондирующие ракеты летают над большей частью атмосферы Земли, позволяя приборам на борту видеть ультрафиолетовые длины волн, измеренные AIA. Эти длины волн света поглощаются атмосферой Земли и не могут быть измерены с земли. Чтобы откалибровать AIA, они прикрепили ультрафиолетовый телескоп к зондирующей ракете и сравнили эти данные с измерениями AIA. Затем ученые могут внести коррективы, чтобы учесть любые изменения в данных AIA.

Этот ползунок показывает Солнце, видимое AIA в свете 304 Angstrom в 2021 году до коррекции деградации (слева) и с поправками, полученными при калибровке зондирующей ракеты (справа). Кредиты: НАСА GSFC

Метод калибровки зондирующей ракеты имеет ряд недостатков. Звуковые ракеты могут запускаться только так часто, но AIA постоянно смотрит на Солнце. Это означает, что есть время простоя, когда калибровка немного отклоняется между каждой калибровкой зондирующей ракеты.

«Это также важно для миссий в дальний космос, в которых не будет возможности калибровки ракет», — сказал доктор Луис Дос Сантос, физик-физик из Центра космических полетов имени Годдарда НАСА в Гринбелте, штат Мэриленд, и ведущий автор статьи. «Мы решаем сразу две проблемы».

Помня об этих проблемах, ученые решили рассмотреть другие варианты калибровки прибора с прицелом на постоянную калибровку. Машинное обучение, техника, используемая в искусственном интеллекте, казалось, идеально подходит.

Во-первых, исследователям нужно было обучить алгоритм машинного обучения распознавать солнечные структуры и сравнивать их с помощью данных AIA. Для этого они предоставляют алгоритму изображения от зондирования калибровочных полетов ракеты и сообщают ему правильное количество калибровок, в которых они нуждаются. После достаточного количества этих примеров они предоставляют алгоритму похожие изображения и смотрят, сможет ли он определить необходимую калибровку. Имея достаточно данных, алгоритм учится определять, какой объем калибровки требуется для каждого изображения.

Поскольку AIA смотрит на Солнце в свете с разными длинами волн, исследователи также могут использовать алгоритм для сравнения конкретных структур на разных длинах волн и укрепить свои оценки.

Для начала они научили алгоритм, как выглядит солнечная вспышка, показывая ему солнечные вспышки на всех длинах волн AIA, пока он не распознает солнечные вспышки во всех различных типах света. Как только программа сможет распознать солнечную вспышку без какой-либо деградации, алгоритм сможет определить, насколько деградация влияет на текущие изображения AIA и сколько калибровки требуется для каждого.

«Это было большим событием», — сказал душ Сантуш. «Вместо того, чтобы просто идентифицировать его на одной и той же длине волны, мы идентифицируем структуры на разных длинах волн».

Это означает, что исследователи могут быть более уверены в калибровке, определенной алгоритмом. Действительно, при сравнении их данных виртуальной калибровки с данными калибровки зондирующей ракеты программа машинного обучения оказалась на высоте.

С помощью этого нового процесса исследователи готовы постоянно калибровать изображения AIA между полетами калибровочных ракет, повышая точность данных SDO для исследователей.

Исследователи также использовали машинное обучение, чтобы лучше понять связь между магнитным полем Земли и ионосферой, электрически заряженной частью верхних слоев атмосферы Земли.