Distribuzione cloud come mappata da PlanetNet su sei set di dati sovrapposti. La caratteristica regione tempestosa (blu) si verifica in prossimità di tempeste scure (viola/verde) in contrasto con le regioni imperturbate (rosso/arancione). L'area coperta dal sistema di tempeste multiple è equivalente a circa il 70% della superficie terrestre. Credito:Dott. Ingo Waldmann, University College London
Un approccio di "apprendimento profondo" per rilevare le tempeste su Saturno è destinato a trasformare la nostra comprensione delle atmosfere planetarie, secondo i ricercatori dell'UCL e dell'Università dell'Arizona.
La nuova tecnica, chiamato PlanetNet, identifica e mappa i componenti e le caratteristiche nelle regioni turbolente dell'atmosfera di Saturno, fornendo approfondimenti sui processi che li guidano.
uno studio, pubblicato oggi in Astronomia della natura , fornisce i risultati della prima dimostrazione dell'algoritmo PlanetNet, che mostra chiaramente le vaste regioni colpite dalle tempeste, e che le scure nubi temporalesche di Saturno contengono materiale trasportato dalla bassa atmosfera da forti venti verticali.
Sviluppato da UCL e dai ricercatori dell'Università dell'Arizona, PlanetNet è stato addestrato e testato utilizzando i dati a infrarossi dello strumento VIMS (Visible and Infrared Mapping Spectrometer) su Cassini, una missione congiunta tra la NASA, l'Agenzia spaziale europea, e l'Agenzia Spaziale Italiana.
Un set di dati contenente più, tempeste adiacenti osservate a Saturno nel febbraio 2008 sono state scelte per fornire una gamma di complesse caratteristiche atmosferiche per sfidare le capacità di PlanetNet.
L'analisi precedente del set di dati ha indicato una rara rilevazione di ammoniaca nell'atmosfera di Saturno, sotto forma di una nuvola a forma di S.
Queste immagini di una tempesta nell'atmosfera di Saturno sono state ottenute con la fotocamera grandangolare della sonda Cassini il 4 marzo, 2008, ad una distanza di circa 1,3 milioni di chilometri (800, 000 miglia) da Saturno. La scala dell'immagine è di 74 chilometri (46 miglia) per pixel. Credito:NASA/JPL/Istituto di scienze spaziali.
La mappa prodotta tramite PlanetNet mostra che questa caratteristica è una parte importante di una risalita molto più ampia di nuvole di ghiaccio di ammoniaca attorno a una tempesta oscura centrale. PlanetNet identifica una risalita simile intorno a un'altra piccola tempesta, suggerendo che tali caratteristiche sono abbastanza comuni.
La mappa mostra anche differenze pronunciate tra il centro dei temporali e le aree circostanti, indicando che l'occhio offre una visione chiara nel più caldo, atmosfera profonda.
"Missioni come Cassini raccolgono enormi quantità di dati, ma le tecniche classiche di analisi hanno degli svantaggi, sia nell'accuratezza delle informazioni che possono essere estratte, sia nel tempo che impiegano per eseguire. Il deep learning consente il riconoscimento di modelli tra diversi, più set di dati, " ha affermato il Dr. Ingo Waldmann (UCL Physics &Astronomy), autore principale e vicedirettore dell'UCL Center for Space and Exoplanet Data.
"Questo ci dà il potenziale per analizzare i fenomeni atmosferici su vaste aree e da diversi angoli di visione, e per creare nuove associazioni tra la forma delle caratteristiche e le proprietà chimiche e fisiche che le creano."
Inizialmente, PlanetNet ricerca i dati alla ricerca di segni di raggruppamento nella struttura delle nuvole e nella composizione del gas. Per le aree di interesse, taglia i dati per rimuovere le incertezze ai bordi ed esegue un'analisi parallela delle proprietà spettrali e spaziali. Ricombinando i due flussi di dati, PlanetNet crea una mappa che presenta in modo rapido e accurato i principali componenti delle tempeste di Saturno con una precisione senza precedenti.
L'accuratezza di PlanetNet è stata convalidata sui dati Cassini non inclusi nella fase di addestramento. L'intero set di dati è stato anche ruotato e ricampionato per creare dati "sintetici" per ulteriori test. PlanetNet ha raggiunto una precisione di classificazione superiore al 90% in entrambi i casi di test.
"PlanetNet ci consente di analizzare volumi di dati molto più grandi, e questo fornisce approfondimenti sulle dinamiche su larga scala di Saturno, " ha affermato la professoressa Caitlin Griffith (Università dell'Arizona), chi è coautore di questo documento. "I risultati rivelano caratteristiche atmosferiche che in precedenza non erano rilevate. PlanetNet può essere facilmente adattato ad altri set di dati e pianeti, rendendolo uno strumento potenziale inestimabile per molte missioni future."
