science >> Wetenschap >  >> Astronomie

Kunstmatige intelligentie detecteert coronale gaten om voorspelling van ruimteweer te automatiseren

Figuur:Observatie van het zonne-dynamisch observatorium (SDO). De afbeelding toont een composiet van de zeven verschillende extreem-ultraviolette filters (gekleurde plakjes) en de magnetische veldinformatie (grijze schaal). De gedetecteerde coronale gaten worden aangegeven door rode contourlijnen. De donkere structuur in het midden is een zonnefilament dat er hetzelfde uitziet, maar niet wordt geassocieerd met coronale gaten. Krediet:van Jarolim et. al., 2021

Wetenschappers van de Universiteit van Graz (Oostenrijk), Skoltech en hun collega's uit de VS en Duitsland hebben een nieuw neuraal netwerk ontwikkeld dat op betrouwbare wijze coronale gaten kan detecteren op basis van waarnemingen in de ruimte. Deze applicatie maakt de weg vrij voor betrouwbaardere voorspellingen van het ruimteweer en levert waardevolle informatie voor de studie van de zonneactiviteitscyclus. Het artikel is gepubliceerd in het tijdschrift Astronomie en astrofysica .

Net zoals ons leven op aarde afhankelijk is van het licht van de zon, ons elektronische "leven" hangt af van de activiteit van onze dichtstbijzijnde ster en zijn interacties met het magnetische veld van de aarde. Voor het menselijk oog, de zon lijkt bijna constant, maar de zon is erg actief, vaak uitbarstingen vertonen en aardmagnetische stormen op aarde veroorzaken. Om deze reden, de buitenste zonneatmosfeer, de zonnecorona, wordt voortdurend gevolgd door op satellieten gebaseerde telescopen.

Bij deze observaties een van de opvallende kenmerken zijn uitgebreide donkere gebieden die coronale gaten worden genoemd. Ze lijken donker omdat plasmadeeltjes kunnen ontsnappen langs het magnetische veld van het zonneoppervlak naar de interplanetaire ruimte, een 'gat' in de corona achterlaten. De ontsnappende deeltjes vormen snelle zonnewindstromen die uiteindelijk de aarde kunnen raken, aardmagnetische stormen veroorzaken. Het uiterlijk en de locatie van deze gaten op de zon variëren afhankelijk van de zonneactiviteit, geeft ons ook belangrijke informatie over de evolutie van de zon op lange termijn.

"De detectie van coronale gaten is een moeilijke taak voor conventionele algoritmen en is ook een uitdaging voor menselijke waarnemers, omdat er ook andere donkere gebieden in de zonneatmosfeer zijn, zoals filamenten, dat gemakkelijk kan worden verward met een coronaal gat, " zegt Robert Jarolim, een onderzoekswetenschapper aan de Universiteit van Graz en de hoofdauteur van de studie.

Geanimeerde versie van de gedetecteerde coronale gaten gedurende bijna 11 jaar. De geïdentificeerde coronale gaten worden aangegeven door rode contourlijnen. De zon verandert gedurende de zonnecyclus en bereikt zijn maximale activiteit in 2014. Credit:van Jarolim et. al., 2021

In hun krant de auteurs beschrijven een convolutioneel neuraal netwerk genaamd CHRONNOS (Coronal Hole RecOgnition Neural Network Over multi-Spectral-data) dat ze ontwikkelden om coronale gaten te detecteren. "Kunstmatige intelligentie stelt ons in staat om coronale gaten te identificeren op basis van hun intensiteit, vorm, en magnetische veldeigenschappen, die dezelfde criteria zijn als waar een menselijke waarnemer rekening mee houdt, ' zegt Jarolim.

"De zonneatmosfeer ziet er heel anders uit wanneer deze op verschillende golflengten wordt waargenomen. We gebruikten beelden die zijn opgenomen bij verschillende extreem-ultraviolette (EUV) golflengten, samen met magnetische veldkaarten als invoer voor ons neurale netwerk, waardoor het netwerk relaties kan vinden in de multi-channel representatie, "Astrid Veronig, professor aan de Universiteit van Graz en co-auteur van de publicatie, voegt toe.

De auteurs trainden hun model met ongeveer 1700 afbeeldingen in de periode 2010-2017 en toonden aan dat de methode consistent is voor alle zonneactiviteitsniveaus. Het neurale netwerk werd geëvalueerd door de resultaten te vergelijken met 261 handmatig geïdentificeerde coronale gaten, het matchen van menselijke labels in 98% van de gevallen. In aanvulling, de auteurs onderzochten de detectie van coronale gaten op basis van magnetische veldkaarten, die heel anders lijken dan EUV-waarnemingen. Voor een mens, de coronale gaten kunnen niet alleen op basis van deze afbeeldingen worden geïdentificeerd, maar de AI leerde de beelden anders waarnemen en kon coronale gaten identificeren.

"Dit is een veelbelovend resultaat voor toekomstige detectie van coronale gaten op de grond, waar we coronale gaten niet rechtstreeks kunnen waarnemen als donkere gebieden zoals bij waarnemingen in extreem ultraviolet en zachte röntgenstraling in de ruimte, maar waar het magnetische veld van de zon regelmatig wordt gemeten, " zegt Tatiana Podladchikova, assistent-professor aan het Skoltech Space Center en een co-auteur van het artikel.

"En welke stormen ook mogen razen, we wensen iedereen goed weer in de ruimte, " concludeerde Podladchikova.