La inteligencia artificial ayuda a mejorar los ojos de la NASA en el sol

La fila superior de imágenes muestra la degradación del canal 304 angstroms de AIA a lo largo de los años desde el lanzamiento de SDO. La fila inferior de imágenes se corrige para esta degradación mediante un algoritmo de aprendizaje automático. Crédito: Luiz dos Santos / NASA GSFC

Un grupo de investigadores está utilizando técnicas de inteligencia artificial para calibrar algunas de las imágenes del sol de la NASA, lo que ayuda a mejorar los datos que utilizan los científicos para la investigación de la energía solar. La nueva tecnología fue publicada en la revista. Astronomía y astrofísica El 13 de abril de 2021.

El telescopio solar tiene una tarea difícil. Mirar al sol tiene un precio muy alto, con el bombardeo constante de una corriente interminable de partículas solares y una luz solar intensa. Con el tiempo, las lentes sensibles y los sensores de los telescopios solares comienzan a deteriorarse. Para asegurarse de que los datos enviados por estos instrumentos sigan siendo precisos, los científicos recalibran periódicamente para asegurarse de que comprenden cómo está cambiando el instrumento.

Lanzado en 2010, el Observatorio de Dinámica Solar de la NASA, o SDO, ha proporcionado imágenes del sol de alta resolución durante más de una década. Sus fotografías han dado a los científicos una visión detallada de los diversos fenómenos solares que pueden agitar el clima espacial y afectar a los astronautas y la tecnología en la Tierra y en el espacio. El Aerial Imagery Array, o AIA, es una de las dos herramientas de imágenes en SDO y está constantemente mirando al sol, tomando fotografías en 10 longitudes de onda de luz ultravioleta cada 12 segundos. Esto crea una riqueza incomparable de información sobre el Sol, pero, como todos los instrumentos de observación del sol, el AIA se deteriora con el tiempo y los datos deben calibrarse con frecuencia.

Sociedad de fotografía aérea siete longitudes de onda

Esta imagen muestra siete de las longitudes de onda ultravioleta observadas por la Sociedad de Imágenes Aéreas a bordo del Observatorio de Dinámica Solar de la NASA. La fila superior son notas de mayo de 2010 y la fila inferior muestra notas de 2019, sin correcciones, que muestran cómo la herramienta se ha deteriorado con el tiempo. Crédito: Luiz dos Santos / NASA GSFC

Desde el lanzamiento del SDO, los científicos han utilizado cohetes de sondeo para calibrar el AIA. Los cohetes sonoros son cohetes más pequeños que generalmente llevan solo unos pocos instrumentos y realizan viajes cortos al espacio, generalmente solo 15 minutos. Fundamentalmente, los cohetes sonoros vuelan sobre la mayor parte de la atmósfera terrestre, lo que permite que los instrumentos a bordo vean las longitudes de onda ultravioleta medidas por el AIA. Estas longitudes de onda de luz son absorbidas por la atmósfera terrestre y no se pueden medir desde la Tierra. Para calibrar el AIA, conectarán un telescopio ultravioleta a un cohete sonda y compararán esos datos con las mediciones del AIA. Luego, los científicos pueden hacer ajustes para tener en cuenta cualquier cambio en los datos de AIA.

READ  Monitoreo espacial: la NASA busca una cura para los problemas del Hubble | telescopio espacial Hubble

Hay algunas fallas en el método de calibración del misil que suena. Los cohetes sonoros solo se pueden lanzar con cierta frecuencia, pero la AIA está constantemente buscando el sol. Esto significa que hay un tiempo de inactividad en el que la calibración está ligeramente desviada entre cada calibración de misil que suena.

“También es importante para las misiones en el espacio profundo, que no tendrían la opción de sonar para calibrar cohetes”, dijo el Dr. Luis dos Santos, heliofísico del Centro de Vuelo Espacial Goddard de la NASA en Greenbelt, Maryland y autor principal del artículo de investigación. “Estamos abordando dos problemas a la vez”.

calibración predeterminada

Con estos desafíos en mente, los científicos decidieron considerar otras opciones para la calibración del dispositivo, con énfasis en la calibración continua. El aprendizaje automático, un enfoque utilizado en inteligencia artificial, parecía encajar perfectamente.

Como sugiere su nombre, el aprendizaje automático requiere un programa o algoritmo informático para aprender a realizar su tarea.

Sun AIA 2021

Sol visto por el AIA a 304 Å de luz en 2021 antes de la corrección del deterioro (vea la imagen a continuación con las correcciones de la calibración de un cohete sonoro). Crédito: NASA GSFC

Primero, los investigadores necesitaban entrenar un algoritmo de aprendizaje automático para reconocer estructuras solares y cómo se comparan usando datos AIA. Para hacer esto, le dan al algoritmo imágenes de los vuelos de calibración del misil que suena y les dicen la cantidad correcta de calibración que necesitan. Después de suficientes de estos ejemplos, le dan al algoritmo imágenes similares y ven si determinará la calibración correcta requerida. Con suficientes datos, el algoritmo aprende a determinar cuánta calibración se requiere para cada imagen.

Sun AIA 2021 FIJO

El Sol fue visto por el AIA a 304 A de luz en 2021 con correcciones de la calibración del cohete sonoro (ver imagen anterior antes de la corrección del deterioro). Crédito: NASA GSFC

Dado que el AIA mira al Sol en múltiples longitudes de onda de luz, los investigadores también pueden usar el algoritmo para comparar estructuras específicas a través de longitudes de onda y mejorar sus evaluaciones.

READ  Las colinas viven con los flujos de la física

Para empezar, le enseñarán al algoritmo cómo se ve una erupción solar mostrando las erupciones solares en todas las longitudes de onda AIA para que pueda identificar las erupciones solares en todos los diferentes tipos de luz. Una vez que el software puede identificar la llamarada solar sin ninguna degradación, el algoritmo puede determinar qué parte de la degradación afecta a las imágenes AIA existentes y cuánta calibración se requiere para cada una.

“Eso era lo importante”, dijo dos Santos. “En lugar de simplemente identificarlo en la misma longitud de onda, identificamos estructuras a lo largo de las longitudes de onda”.

Esto significa que los investigadores pueden estar más seguros de la calibración establecida por el algoritmo. De hecho, al comparar sus datos de calibración hipotéticos con los datos de calibración del misil que sonaba, el software de aprendizaje automático estaba en el lugar.

Con este nuevo proceso, los investigadores se están preparando para calibrar continuamente imágenes AIA entre vuelos de cohetes de calibración, mejorando la precisión de los datos SDO de los investigadores.

Aprendizaje automático detrás del sol

Los investigadores también están utilizando el aprendizaje automático para comprender mejor las condiciones cercanas a casa.

Un grupo de investigadores, dirigido por el Dr. Ryan McGrangan, científico de datos principal e ingeniero espacial en Astra LLC y el Centro de Vuelo Espacial Goddard de la NASA, utilizar el aprendizaje automático Comprender la relación entre el campo magnético de la Tierra y la ionosfera, la porción cargada eléctricamente de la atmósfera superior de la Tierra. Usando técnicas de ciencia de datos para grandes volúmenes de datos, pueden aplicar técnicas de aprendizaje automático para desarrollar un nuevo modelo que les ayude a comprender mejor cómo las partículas de la lluvia espacial se energizan en la atmósfera de la Tierra, donde impulsan el clima espacial.

READ  El gobierno israelí dice que la protección de la vacuna de Pfizer se dañó a medida que Delta se propaga

A medida que avanza el aprendizaje automático, sus aplicaciones científicas se expandirán para incluir más y más tareas. Para el futuro, esto podría significar que las misiones en el espacio profundo, que viajan a lugares donde no se pueden lanzar cohetes de calibración, aún se pueden calibrar y continuar proporcionando datos precisos, incluso cuando se van a distancias cada vez mayores de la Tierra o de cualquier estrella.

Referencia: “Calibración automática multicanal de compilación de imágenes aéreas mediante aprendizaje automático” por Louise F.J. dos Santos, Sovic Bos, Valentina Salvatelli, Brad Newberg, Mark CM Cheung, Miho Janvier, Meng Jin, Yaren Gall, Paul Boerner y Atilim Gunes Baden 13 de abril , 2021, Astronomía y astrofísica.
DOI: 10.1051 / 0004-6361 / 202040051

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *