智能制造網(wǎng)APP
智能制造網(wǎng)手機站
智能制造網(wǎng)小程序
智能制造網(wǎng)官微
智能制造網(wǎng)服務(wù)號
智能控制
機器人
儀器儀表
物聯(lián)網(wǎng)
3D打印
工業(yè)軟件
回放
品牌
其他品牌
據(jù)外媒報道，一組研究人員正在使用AI技術(shù)校準(zhǔn)NASA的一些太陽圖像以此來幫助改善科學(xué)家用于太陽研究的數(shù)據(jù)。這項新技術(shù)于2021年4月13日發(fā)表在《Astronomy&Astrophysics》上。太陽望遠鏡的工作相當(dāng)艱巨，盯著太陽要付出慘痛的代價，它要面對無休止的太陽粒子流和強烈的陽光。
隨著時間的推移，太陽望遠鏡的敏感鏡頭和傳感器開始退化。為了確保這些儀器發(fā)回的數(shù)據(jù)仍然準(zhǔn)確，科學(xué)家們需要定期重新校準(zhǔn)以確保他們了解儀器是如何變化的。
NASA的太陽動力學(xué)觀測站(SDO)于2010年發(fā)射，十多年來一直提供太陽的高清圖像。它的圖像讓科學(xué)家們得以詳細觀察各種太陽現(xiàn)象，而這些現(xiàn)象可以引發(fā)太空天氣并影響我們的宇航員和地球上和太空中的技術(shù)。大氣圖像組件(AIA)是SDO上的兩個成像儀器之一，它持續(xù)觀察太陽，每12秒通過10個波長的紫外線拍攝圖像。這創(chuàng)造了豐富的太陽信息，但就像所有凝視太陽的儀器一樣，AIA會隨著時間的推移而退化，數(shù)據(jù)需要經(jīng)常校準(zhǔn)。
自從SDO發(fā)射以來，科學(xué)家們已經(jīng)使用探空火箭來校準(zhǔn)AIA。探空火箭是一種小型火箭、只攜帶少量儀器并進行短暫的太空飛行--通常只有15分鐘。至關(guān)重要的是，探空火箭飛到地球大氣層的大部分上空從而使得上面的儀器能夠看到AIA測量到的紫外線波長。這些波長的光被地球大氣層吸收、無法從地面測量。為了校準(zhǔn)AIA，科學(xué)家將在探空火箭上安裝一個紫外線望遠鏡并將這些數(shù)據(jù)跟AIA的測量數(shù)據(jù)進行比較。然后，科學(xué)家可以對AIA數(shù)據(jù)的任何變化進行調(diào)整。
不過探空火箭標(biāo)定方法存在一些缺陷，雖然它可以發(fā)射很多次，但AIA卻是一直在觀察太陽，這意味著在每次探空火箭校準(zhǔn)之間有一個校準(zhǔn)時間。
“這對深空任務(wù)也非常重要，因為深空任務(wù)沒有探測火箭校準(zhǔn)的選項，”Luiz Dos Santos指出，“我們正在同時解決兩個問題。”Santos是NASA戈達德太空飛行中心的太陽物理學(xué)家，也是這篇論文的首席作者。
虛擬校準(zhǔn)
考慮到這些挑戰(zhàn)，科學(xué)家們決定尋找其他方法來校準(zhǔn)儀器并著眼于持續(xù)校準(zhǔn)。AI中使用的機器學(xué)習(xí)技術(shù)似乎是一個較佳的選擇。
機器學(xué)習(xí)，顧名思義，需要一個計算機程序或算法來學(xué)習(xí)如何執(zhí)行它的任務(wù)。
首先，研究人員需要訓(xùn)練一種機器學(xué)習(xí)算法來識別太陽結(jié)構(gòu)并如何使用AIA數(shù)據(jù)進行比較。為了做到這一點，他們向算法提供來自探測火箭校準(zhǔn)飛行的圖像并告訴它們需要的正確校準(zhǔn)量。在這些例子足夠多之后，他們給算法提供類似的圖像，看看其是否能識別出所需的正確校準(zhǔn)。有了足夠的數(shù)據(jù)，算法就能識別出每幅圖像需要多少校準(zhǔn)。
由于AIA在多個波長的光中觀察太陽，所以研究人員還可以使用該算法來比較不同波長的特定結(jié)構(gòu)并加強其評估。
研究人員通過顯示AIA所有波長的太陽耀斑教授算法太陽耀斑是什么樣子并一直到它識別出所有不同類型的光的太陽耀斑。一旦程序能在沒有任何退化的情況下識別太陽耀斑，算法就可以確定有多少退化影響了AIA當(dāng)前的圖像以及需要對每個圖像進行多少校準(zhǔn)。
“這是件大事，”Dos Santos表示，“我們不是僅僅在同一波長上識別它而是在不同波長上識別結(jié)構(gòu)。”
這意味著研究人員可以更確定算法識別的校準(zhǔn)。事實上，當(dāng)將他們的虛擬校準(zhǔn)數(shù)據(jù)跟探空火箭校準(zhǔn)數(shù)據(jù)進行比較時，機器學(xué)習(xí)程序是正確的。
有了這個新流程，研究人員就可以在校準(zhǔn)火箭飛行之間不斷校準(zhǔn)AIA的圖像并提高SDO數(shù)據(jù)的準(zhǔn)確性。
太陽之外的機器學(xué)習(xí)
實際上，研究人員還一直在使用機器學(xué)習(xí)來更好地了解離家更近的情況。
由ASTRA LLC和NASA戈達德太空飛行中心首席數(shù)據(jù)科學(xué)家和航空航天工程師Ryan McGranaghan博士領(lǐng)導(dǎo)的一組研究人員使用機器學(xué)習(xí)來更好地理解地球磁場和電離層之間的聯(lián)系。電離層是地球上層大氣的帶電部分。通過對大量數(shù)據(jù)使用數(shù)據(jù)科學(xué)技術(shù)，他們可以應(yīng)用機器學(xué)習(xí)技術(shù)來開發(fā)一個更新的模型以幫助他們更好地理解來自太空的帶電粒子是如何進入地球大氣層的，在那里它們驅(qū)動著太空天氣。
隨著機器學(xué)習(xí)的進步，它的科學(xué)應(yīng)用將擴展到了越來越多的任務(wù)。在未來，這可能意味著深空任務(wù)--前往那些無法并行校準(zhǔn)火箭飛行的地方--仍可以進行校準(zhǔn)且繼續(xù)提供準(zhǔn)確的數(shù)據(jù)，即使是在離地球或任何恒星越來越遠的地方。
(原標(biāo)題：研究人員利用AI幫助改善NASA SDO數(shù)據(jù)校準(zhǔn)工作)
浙公網(wǎng)安備 33010602000006號
智能制造網(wǎng)APP
智能制造網(wǎng)小程序
微信公眾號
