L’intelligenza artificiale migliora lo sguardo della NASA sul sole

Un gruppo di ricercatori sta utilizzando tecniche di intelligenza artificiale per calibrare alcune delle immagini del Sole della NASA

Redazione
Intelligenza artificiale, IBM

Un gruppo di ricercatori sta utilizzando 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  Astronomy & Astrophysics.

Fissare il Sole richiede un bombardamento costante da un flusso infinito di particelle solari e un’intensa luce solare. Nel tempo, le lenti e i sensori sensibili dei telescopi solari iniziano a degradarsi. Per garantire che i dati inviati da tali strumenti siano ancora accurati, gli scienziati li ricalibrano periodicamente per assicurarsi di capire esattamente come sta cambiando lo strumento. 

Lanciato nel 2010, il Solar Dynamics Observatory della NASA ha fornito immagini ad alta definizione del Sole per oltre un decennio. Le sue immagini hanno dato 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’Atmospheric Imagery Assembly, o AIA, è uno dei due strumenti di imaging su SDO e guarda costantemente il Sole, catturando immagini a 10 lunghezze d’onda della luce ultravioletta ogni 12 secondi. Questo crea una vasta mole di informazioni del Sole ma – come tutti gli strumenti per fissare il Sole – 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. Fondamentalmente, i razzi sonda volano sopra l’atmosfera terrestre, consentendo agli strumenti a bordo di vedere le lunghezze d’onda ultraviolette misurate dall’AIA. Queste lunghezze d’onda della luce sono assorbite dall’atmosfera terrestre e non possono essere misurate da terra. 

Ci sono però alcuni inconvenienti nel metodo di calibrazione del razzo sonda poiché ci sono tempi di inattività in cui la calibrazione è leggermente errata tra ogni calibrazione del razzo sonda. 

Dunque, come riporta SciTech Daily, gli scienziati hanno deciso di esaminare altre opzioni per calibrare lo strumento. L’apprendimento automatico, una tecnica utilizzata nell’intelligenza artificiale, sembra una soluzione perfetta. L’apprendimento automatico richiede un algoritmo per imparare a svolgere il proprio compito.

Innanzitutto, i ricercatori hanno bisogno di addestrare un algoritmo di intelligenza artificiale apprendimento automatico per riconoscere le strutture solari e confrontarle utilizzando i dati AIA. Per fare ciò, forniscono all’algoritmo le immagini dei voli di calibrazione del razzo sonda e gli comunicano la corretta quantità di calibrazione di cui hanno bisogno. Dopo un numero sufficiente di questi esempi, danno in pasto all’algoritmo immagini simili e vedono il grado di accuratezza dell’identificazione della calibrazione corretta necessaria. Con dati sufficienti, l’algoritmo impara a identificare la quantità di calibrazione necessaria per ogni immagine.

Poiché l’AIA osserva il Sole in più lunghezze d’onda della luce, i ricercatori usano l’algoritmo di intelligenza artificiale anche per confrontare strutture specifiche attraverso le lunghezze d’onda e rafforzare le sue valutazioni.

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 ingegnere aerospaziale presso ASTRA LLC e NASA Goddard Space Flight Center – ha   utilizzato l’apprendimento automatico proprio dell’intelligenza artificiale per comprendere meglio la connessione tra il campo magnetico terrestre e la ionosfera, la parte caricata elettricamente della parte superiore della Terra atmosfera. Utilizzando tecniche di data science per grandi volumi di dati, potrebbero applicare tecniche di apprendimento automatico per sviluppare un modello più recente che li aiuti a capire meglio come le particelle energizzate dallo spazio piovano nell’atmosfera terrestre, dove guidano il clima spaziale.