I computer possono imparare a trovare brillamenti solari e altri eventi in vasti flussi di immagini solari e aiutare i meteorologi NOAA a emettere avvisi tempestivi, secondo un nuovo studio. La tecnica dell'apprendimento automatico, sviluppato da scienziati del CIRES e dei Centri nazionali per l'informazione ambientale (NCEI) del NOAA, cerca enormi quantità di dati satellitari per individuare caratteristiche significative per la meteorologia spaziale. Le mutevoli condizioni sul Sole e nello spazio possono influenzare varie tecnologie sulla Terra, bloccare le comunicazioni radio, danno alle reti elettriche, e diminuzione della precisione del sistema di navigazione.

"Essere in grado di elaborare i dati solari in tempo reale è importante perché i brillamenti che eruttano sul Sole colpiscono la Terra nel corso di minuti. Queste tecniche forniscono un rapido, panoramica continuamente aggiornata delle caratteristiche solari e può indicarci aree che richiedono un maggiore controllo, " ha detto Rob Steenburgh, un meteorologo nel NOAA Space Weather Prediction Center (SWPC) a Boulder.

La ricerca è stata pubblicata nel mese di ottobre nel Journal of Space Weather e Space Climate .

Per prevedere il tempo spaziale in arrivo, i meteorologi riassumono le condizioni attuali sul Sole due volte al giorno. Oggi, usano mappe disegnate a mano etichettate con varie caratteristiche solari, tra cui, regioni attive, filamenti, e confini del foro coronale. Ma gli imager solari producono una nuova serie di osservazioni ogni pochi minuti. Per esempio, il Solar Ultraviolet Imager (SUVI) sui satelliti della serie GOES-R di NOAA funziona con un ciclo di 4 minuti, raccogliendo dati in sei diverse lunghezze d'onda ogni ciclo.

Il solo stare al passo con tutti quei dati potrebbe richiedere molto tempo a un meteorologo. "Abbiamo bisogno di strumenti per elaborare i dati solari in blocchi digeribili, "ha detto Dan Seaton, uno scienziato del CIRES che lavora presso l'NCEI e uno dei coautori del documento. CIRES fa parte dell'Università del Colorado Boulder.

Quindi J. Marcus Hughes, uno studente laureato in informatica alla CU Boulder, Scienziato CIRES in NCEI e autore principale dello studio, ha creato un algoritmo informatico in grado di guardare contemporaneamente tutte le immagini SUVI e individuare modelli nei dati. Con i suoi colleghi, Hughes ha creato un database di mappe del Sole etichettate da esperti e ha usato quelle immagini per insegnare a un computer a identificare le caratteristiche solari importanti per le previsioni. "Non gli abbiamo detto come identificare quelle caratteristiche, ma cosa cercare, cose come razzi, fori coronali, regioni luminose, filamenti, e prominenze. Il computer apprende il come attraverso l'algoritmo, "ha detto Hughes.

L'algoritmo identifica le caratteristiche solari utilizzando un approccio ad albero decisionale che segue una serie di semplici regole per distinguere i diversi tratti. Esamina un'immagine un pixel alla volta e decide, Per esempio, se quel pixel è più luminoso o più debole di una certa soglia prima di inviarlo lungo un ramo dell'albero. Questo si ripete finché, in fondo all'albero, ogni pixel si adatta solo a una categoria o caratteristica:un bagliore, Per esempio.

L'algoritmo apprende centinaia di alberi decisionali e prende centinaia di decisioni lungo ciascun albero per distinguere tra le diverse caratteristiche solari e determinare il "voto di maggioranza" per ciascun pixel. Una volta che il sistema è stato addestrato, può classificare milioni di pixel in pochi secondi, supportare previsioni che potrebbero essere di routine o richiedere un avviso o un avvertimento.

"Questa tecnica è davvero efficace nell'usare tutti i dati contemporaneamente, "Ha detto Hughes. "Poiché l'algoritmo apprende così rapidamente può aiutare i meteorologi a capire cosa sta succedendo sul Sole molto più rapidamente di quanto non facciano attualmente".

La tecnica vede anche modelli che gli umani non possono. "A volte può trovare caratteristiche che abbiamo avuto difficoltà a identificare correttamente noi stessi. Quindi l'apprendimento automatico può indirizzare la nostra indagine scientifica e identificare caratteristiche importanti di caratteristiche che non sapevamo cercare, "Ha detto Seaton.

L'abilità dell'algoritmo nel trovare modelli non è utile solo per le previsioni a breve termine, ma anche per aiutare gli scienziati a valutare i dati solari a lungo termine e migliorare i modelli del Sole. "Poiché l'algoritmo può esaminare immagini di 20 anni e trovare modelli nei dati, saremo in grado di rispondere a domande e risolvere problemi a lungo termine che sono stati intrattabili, "Ha detto Seaton.

NCEI e SWPC stanno ancora testando lo strumento per tracciare le mutevoli condizioni solari in modo che i meteorologi possano emettere orologi più accurati, avvertimenti, e avvisi. Lo strumento potrebbe essere reso ufficialmente operativo già a fine 2019.