Projekt SPIn4D – astronomia i sztuczna inteligencja łączą siły do badania Słońce
Nowe badanie, będące częścią projektu „SPIn4D”, łączy najnowocześniejszą astronomię słoneczną z zaawansowaną informatyką w celu analizy danych z największego na świecie naziemnego teleskopu słonecznego na Hawajach.
Nowe badania naukowców z University of Hawaiʻi, opublikowane w czasopiśmie The Astrophysical Journal koncentrowały się na rozwoju modeli głębokiego uczenia się, które szybko analizowały ogromne ilości danych z teleskopu słonecznego Daniel K. Inouye Solar Telescope należącego do U.S. National Science Foundation (NSF). Celem było lepsze poznanie obserwacji wykonanych przez teleskop, co mogłoby potencjalnie doprowadzić lepszego zrozumienia działania naszej gwiazdy.
„Duże burze słoneczne są odpowiedzialne za zorze polarne, ale mogą również stanowić zagrożenie dla satelitów, komunikacji radiowej i sieci energetycznych. Lepsze zrozumienie miejsca ich narodzin, atmosfery słonecznej, jest niezwykle ważne. Wykorzystaliśmy najnowocześniejsze symulacje, aby analizować to, co widzi teleskop Inouye. Połączenie tych danych z uczeniem maszynowym oferuje nieocenioną możliwość zbadania trójwymiarowej atmosfery słonecznej w czasie zbliżonym do rzeczywistego” – mówi Kai Yang z University of Hawaiʻi.
Inouye Solar Telescope, obsługiwany przez NSF National Solar Observatory (NSO), jest zdaniem astronomów, najpotężniejszym teleskopem słonecznym na świecie i stoi na szczycie Haleakala na Maui o wysokości ponad 3 tysięcy metrów, nazwa wzniesienia, na którym się znajduje tłumaczona jest jako „dom słońca”. Instrumenty teleskopu zostały opracowane do pomiaru pola magnetycznego Słońca za pomocą światła spolaryzowanego, a projekt SPIn4D został zaprojektowany specjalnie w celu wykorzystania tych danych, które są dostępne z tego typu urządzenia.
Naukowcy wykorzystują sieci neuronowe do szacowania fizycznych właściwości fotosfery (widzialna, powierzchniowa warstwa gwiazdy, emitująca na zewnątrz gwiazdy fale elektromagnetyczne w postaci światła widzialnego) słonecznej na podstawie obserwacji w wysokiej rozdzielczości z Inouye Solar Telescope. Metoda ta znacznie przyspiesza analizę ogromnych ilości danych wytwarzanych przez teleskop słoneczny, które mogą sięgać dziesiątek terabajtów dziennie.
„Uczenie maszynowe jest bardzo dobre w dostarczaniu szybkich przybliżeń do obliczeń. W tym przypadku model umożliwi astronomom wizualizację atmosfery słonecznej w czasie rzeczywistym, zamiast czekać godzinami, aby osiągnąć tę samą dokładność” – twierdzi Peter Sadowski z University of Hawaiʻi.
Aby wytrenować swoje modele sztucznej inteligencji w ramach projektu SPIn4D, badacze stworzyli szeroki zbiór danych symulowanych obserwacji Słońca. Wykorzystując ponad 10 milionów symulowanych godzin na superkomputerze Cheyenne NSF, stworzyli 120 terabajtów danych naśladujących obserwacje Inouye Solar Telescope w bardzo wysokiej rozdzielczości.
Emil Gołoś
