Un gruppo di ricercatori sta usando tecniche di intelligenza artificiale per calibrare alcune delle immagini del Sole della NASA, contribuendo a migliorare i dati che gli scienziati utilizzano per la ricerca solare. La nuova tecnica è stata pubblicata sulla rivista Astronomia e astrofisica il 13 aprile, 2021.

Un telescopio solare ha un lavoro duro. Fissare il sole richiede un duro tributo, con un bombardamento costante da un flusso infinito di particelle solari e luce solare intensa. Col tempo, le lenti e i sensori sensibili dei telescopi solari iniziano a degradarsi. Per garantire che i dati restituiti da tali strumenti siano ancora accurati, gli scienziati si ricalibrano periodicamente per assicurarsi di capire esattamente come sta cambiando lo strumento.

Lanciato nel 2010, Osservatorio della dinamica solare della NASA, o SDO, fornisce immagini ad alta definizione del Sole da oltre un decennio. Le sue immagini hanno fornito agli scienziati uno sguardo dettagliato su vari fenomeni solari che possono innescare il clima spaziale e influenzare i nostri astronauti e la tecnologia sulla Terra e nello spazio. L'Assemblea delle immagini atmosferiche, o AIA, è uno dei due strumenti di imaging su SDO e guarda costantemente il Sole, scattare immagini a 10 lunghezze d'onda della luce ultravioletta ogni 12 secondi. Questo crea una ricchezza di informazioni del Sole come nessun altro, ma, come tutti gli strumenti che fissano il sole, l'AIA si degrada nel tempo, e i dati devono essere calibrati frequentemente.

Dal lancio di SDO, gli scienziati hanno utilizzato razzi sonda per calibrare l'AIA. I razzi sonda sono razzi più piccoli che in genere trasportano solo pochi strumenti e compiono brevi voli nello spazio, di solito solo 15 minuti. In modo cruciale, razzi sonda volano sopra la maggior parte dell'atmosfera terrestre, consentendo agli strumenti di bordo di vedere le lunghezze d'onda dell'ultravioletto misurate dall'AIA. Queste lunghezze d'onda della luce sono assorbite dall'atmosfera terrestre e non possono essere misurate da terra. Per calibrare AIA, avrebbero collegato un telescopio ultravioletto a un razzo sonda e avrebbero confrontato quei dati con le misurazioni dell'AIA. Gli scienziati possono quindi apportare modifiche per tenere conto di eventuali modifiche ai dati dell'AIA.

Ci sono alcuni inconvenienti nel metodo di calibrazione del razzo sonda. I razzi sonda possono essere lanciati solo così spesso, ma l'AIA guarda costantemente il Sole. Ciò significa che ci sono tempi di inattività in cui la calibrazione è leggermente errata tra ogni calibrazione del razzo sonda.

"È importante anche per le missioni nello spazio profondo, che non avrà la possibilità di sondare la calibrazione del razzo, " ha detto il dottor Luiz Dos Santos, un fisico solare presso il Goddard Space Flight Center della NASA a Greenbelt, Maryland, e autore principale della carta. "Stiamo affrontando due problemi contemporaneamente."

Calibrazione virtuale

Con queste sfide in mente, gli scienziati hanno deciso di esaminare altre opzioni per calibrare lo strumento, con un occhio alla calibrazione costante. Apprendimento automatico, una tecnica utilizzata nell'intelligenza artificiale, sembrava una misura perfetta.

Come il nome suggerisce, l'apprendimento automatico richiede un programma per computer, o algoritmo, per imparare a svolgere il suo compito.

Primo, i ricercatori avevano bisogno di addestrare un algoritmo di apprendimento automatico per riconoscere le strutture solari e come confrontarle utilizzando i dati AIA. Per fare questo, danno all'algoritmo le immagini dei voli di calibrazione del razzo sonda e gli dicono la corretta quantità di calibrazione di cui hanno bisogno. Dopo abbastanza di questi esempi, danno all'algoritmo immagini simili e vedono se identificherebbe la corretta calibrazione necessaria. Con dati sufficienti, l'algoritmo impara a identificare quanta calibrazione è necessaria per ogni immagine.

Poiché AIA guarda il Sole in più lunghezze d'onda della luce, i ricercatori possono anche utilizzare l'algoritmo per confrontare strutture specifiche attraverso le lunghezze d'onda e rafforzare le sue valutazioni.

Iniziare, avrebbero insegnato all'algoritmo l'aspetto di un brillamento solare mostrandogli brillamenti solari su tutte le lunghezze d'onda dell'AIA fino a quando non riconosceva i brillamenti solari in tutti i diversi tipi di luce. Una volta che il programma è in grado di riconoscere un brillamento solare senza alcun degrado, l'algoritmo può quindi determinare quanta degradazione sta influenzando le immagini attuali di AIA e quanta calibrazione è necessaria per ciascuna.

"Questa era la cosa più importante, " Ha detto Dos Santos. "Invece di identificarlo sulla stessa lunghezza d'onda, stiamo identificando strutture attraverso le lunghezze d'onda."

Ciò significa che i ricercatori possono essere più sicuri della calibrazione identificata dall'algoritmo. Infatti, quando si confrontano i loro dati di calibrazione virtuale con i dati di calibrazione del razzo sonda, il programma di apprendimento automatico era perfetto.

Con questo nuovo processo, i ricercatori sono pronti a calibrare costantemente le immagini dell'AIA tra voli di razzi di calibrazione, migliorare l'accuratezza dei dati SDO per i ricercatori.

Apprendimento automatico oltre il sole

I ricercatori hanno anche utilizzato l'apprendimento automatico per comprendere meglio le condizioni più vicine a casa.

Un gruppo di ricercatori guidati dal Dr. Ryan McGranaghan, Principal Data Scientist e Aerospace Engineer presso ASTRA LLC e NASA Goddard Space Flight Center, ha utilizzato l'apprendimento automatico per comprendere meglio la connessione tra il campo magnetico terrestre e la ionosfera, la parte elettricamente carica dell'atmosfera superiore della Terra. Utilizzando tecniche di data science per grandi volumi di dati, potrebbero applicare tecniche di apprendimento automatico per sviluppare un nuovo modello che li ha aiutati a capire meglio come le particelle energizzate dallo spazio piovono nell'atmosfera terrestre, dove guidano il tempo spaziale.

Con l'avanzare dell'apprendimento automatico, le sue applicazioni scientifiche si estenderanno a sempre più missioni. Per il futuro, questo può significare che le missioni nello spazio profondo, che viaggiano in luoghi in cui i voli di razzi di calibrazione non sono possibili, possono ancora essere calibrate e continuare a fornire dati accurati, anche quando si esce a distanze sempre maggiori dalla Terra o da qualsiasi stella.