Un team del NASA Frontier Development Lab (FDL) ha dimostrato che utilizzando il deep learning, è possibile monitorare virtualmente l'irradianza ultravioletta estrema (EUV) del Sole, che è un fattore chiave per la meteorologia spaziale. Il Sole è vitale per la sopravvivenza, ma brillamenti solari, che di solito si verificano un paio di volte l'anno, hanno il potenziale per causare gravi interruzioni nello spazio e sulla Terra. Queste interruzioni possono avere un impatto sui veicoli spaziali, satelliti e persino sistemi qui sulla Terra, compresa la navigazione GPS, comunicazioni radio e rete elettrica. Il deep learning può aiutare a ottenere più valore dalla nostra attuale capacità di monitorare il Sole fornendo strumenti virtuali per integrare i dispositivi fisici. Questa ricerca sarà pubblicata in Progressi scientifici il 2 ottobre, 2019 ("Uno strumento virtuale di deep learning per il monitoraggio dell'irraggiamento spettrale ultravioletto estremo solare").

"La nostra ricerca mostra come una rete neurale profonda può essere addestrata per imitare uno strumento sul Solar Dynamics Observatory (SDO), " ha detto il membro del team FDL e coautore Alexander Szenicer (Università di Oxford). "Deducendo quali livelli di radiazione ultravioletta quel sensore avrebbe rilevato in base a ciò che gli altri strumenti su SDO stanno osservando in un dato momento, dimostriamo che è possibile aumentare la produttività scientifica delle missioni della NASA e aumentare la nostra capacità di monitorare le fonti solari del tempo spaziale".

FDL è una partnership tra NASA Ames Research Center, il SETI Institute e i partner del settore privato e delle agenzie spaziali, tra cui Google Cloud, intelligenza artificiale, IBM, Kx Lockheed Martin, Agenzia spaziale del Lussemburgo, NVIDIA, Agenzia spaziale canadese, HPE ed Element AI. Durante un acceleratore di ricerca estivo di 8 settimane, team interdisciplinari composti da ricercatori all'inizio della carriera nei settori dell'intelligenza artificiale e delle scienze naturali lavorano insieme per applicare l'intelligenza artificiale e l'apprendimento automatico per affrontare importanti questioni di sfida. La sfida alla base di questa ricerca era sviluppare un modello di intelligenza artificiale utilizzando immagini SDO per prevedere l'irradianza spettrale solare.

Tradizionalmente, i metodi per monitorare l'irradianza spettrale dell'EUV solare includono modelli ispirati alla fisica che tentano di prevedere l'emissione dell'EUV. Tali metodi utilizzano distribuzioni del campo magnetico sulla superficie del Sole o inversioni basate sulla fisica della distribuzione del plasma nella corona solare.

Questi nuovi risultati mostrano che è possibile utilizzare le osservazioni di imaging del Sole per creare una misurazione proxy dell'irradianza spettrale EUV. L'alimentazione di immagini coronali dall'SDO della NASA a una rete neurale profonda ci consente di generare misurazioni EUV proxy con una precisione che supera i modelli basati sulla fisica.

Inoltre, il team ha sviluppato benchmark e protocolli per confrontare le previsioni tra i modelli EUV. Questi saranno utili per studi futuri. Finora, la ricerca ha appena scalfito la superficie su ciò che è fattibile combinando il deep learning con dati scientifici spaziali su larga scala. La scienza dei dati e l'apprendimento automatico giocheranno un ruolo sempre più importante nel nostro tentativo di comprendere le origini del tempo spaziale e come convivere con il Sole.