Een recent 'deep learning'-algoritme - ondanks dat het geen aangeboren kennis van zonnefysica heeft - zou nauwkeurigere voorspellingen kunnen geven van hoe de zon onze planeet beïnvloedt dan de huidige modellen op basis van wetenschappelijk inzicht.

Al decenia, mensen hebben geprobeerd de impact van de zon op de atmosfeer van onze planeet te voorspellen. Tot nu toe, algoritmen op basis van zonnefysica zijn gebruikt om de verschuivende dichtheid van de atmosfeer van de aarde te voorspellen.

Maar met zoveel variabelen die de complexe en dynamische lagen van gassen rond de aarde beïnvloeden, kunstmatige intelligentie (AI) zou op dit gebied echte verbeteringen kunnen bieden vanwege het vermogen om veel complexere gegevens te verwerken, met belangrijke implicaties voor hoe we missies in een baan om de aarde vliegen.

De zon is een echte belemmering

De omstandigheden in de ruimte variëren afhankelijk van de stemmingswisselingen van de zon, bekend als 'ruimteweer'. De zon straalt straling uit in een constante stroom, maar het zendt soms ook gewelddadige uitbarstingen van hoogenergetische deeltjes uit die onze planeet rechtstreeks kunnen raken. Deze deeltjes veroorzaken aardmagnetische stormen - tijdelijke verstoringen in het beschermende magnetische veld van de aarde.

De atmosfeer van de aarde wordt ook beïnvloed door deze uitbarstingen, als geomagnetische stormen en toegenomen ultraviolet licht de bovenste atmosfeer verwarmen, waardoor het uitbreidt. Als verwarmde lucht stijgt, de dichtheid bij banen tot 1000 km neemt toe, en satellieten in de buurt ondervinden meer weerstand, of "slepen, " waardoor ze vertragen en van baan veranderen.

Zonder tussenkomst, zoals het afvuren van de stuwraketten om ze omhoog te houden, satellieten zouden langzaam naar de aarde vallen en in de atmosfeer verbranden. Bij missiecontrole, we tillen routinematig de baan van onze vloot van aardse ontdekkingsreizigers op.

Door deze voorspellingen te verbeteren, kunnen operators langere en nauwkeurigere cycli van correctiemanoeuvres plannen, wat betekent dat er minder boegschroefvuren nodig zouden zijn, het vergroten van de tijd die satellieten kunnen besteden aan het verzamelen van wetenschappelijke gegevens.

Vitaal, onze kennis van de toekomstige positie van ruimtevaartuigen zou ook toenemen, zodat we de kans op botsingen in de ruimte nauwkeuriger kunnen voorspellen, helpt ons om ons ruimtevaartuig te beschermen in de huidige omgeving van ruimtepuin.

Atmosferische voorspellingen

Er zijn twee belangrijke factoren nodig om atmosferische voorspellingen te doen:de zonne-index en de geomagnetische index. Beide metingen zijn vanaf de aarde genomen, en verzameld op verschillende plaatsen over de hele wereld.

De zonne-index is afkomstig van wat de 10,7 cm Solar Radio Flux wordt genoemd - de hoeveelheid licht die door de zon wordt uitgestraald met een golflengte van 10,7 cm. F10.7, zoals het ook bekend is, is een uitstekende proxy voor zonneactiviteit, en omdat het onder alle weersomstandigheden kan worden waargenomen, metingen kunnen elke dag worden uitgevoerd, of het nu regent of wanneer de zon schijnt.

De geomagnetische index wordt gebruikt om de grootte van stormen in het magnetisch veld van de aarde te karakteriseren, veroorzaakt door activiteit bij de zon. Dergelijke stormen kunnen elektriciteitsnetten ernstig verstoren, operaties van ruimtevaartuigen, radiosignalen en natuurlijk de prachtige aurora borealis aan de polen.

"We observeren het verleden, maar we kunnen alleen de toekomst voorspellen", zegt Pere Ramos Bosch, Flight Dynamics Engineer bij ESA's ESOC operations center.

"We gebruiken momenteel een algoritme dat lang geleden is ontwikkeld, die de evolutie van de waarden van de F10.7 en geomagnetische indices van voorgaande jaren neemt, evenals kennis van zonne- en atmosferische fysica, om voorspellingen te doen voor de komende 27 dagen."

Echter, huidige voorspellingen zijn over het algemeen vrij onnauwkeurig. Hoewel we nog geen missie hebben verloren, ons gebrek aan begrip van hoe de atmosferische dichtheid verandert, is de grootste bron van fouten als het gaat om vliegende satellieten in een lage baan om de aarde, zoals de Aeolus-windmissie en de Sentinel-reeks van aardontdekkingsreizigers.

Kan AI het verschil maken?

ESA test nu een heel ander algoritme dat dezelfde meetgegevens van de zon en de aarde gebruikt, maar negeert de natuurkunde helemaal en past in plaats daarvan 'deep learning' toe. Teams hopen dat het zijn 'Long Short Term Memory' zal gebruiken om complexe relaties en patronen te herkennen die wij mensen gewoon niet kunnen detecteren.

"We staan ​​op het punt resultaten te boeken, maar het lijkt erop dat AI het beste gebruik maakt van de beschikbare gegevens, " zegt David Remili, een Luxemburgse nationale stagiair bij ESA's kunstmatige intelligentie en Operations Innovation Group die de taak heeft gekregen om de AI-voorspellingstool te ontwikkelen.

"Het is een voorrecht om de middelen te krijgen om AI en astrofysica te combineren, en uiteindelijk om een ​​positieve invloed te hebben op de manier waarop ruimtemissies worden gevlogen."

Tot nu toe lijkt de AI-tool veelbelovend, maar blijf op de hoogte om erachter te komen welk algoritme de toekomst beter voorspelt, en of we deze nieuwe computercapaciteiten kunnen gebruiken om de interacties tussen het zonnestelsel en ons huis beter te begrijpen.

Zonnewaarschuwing

De toekomstige Lagrange-missie van ESA zal de zon constant in de gaten houden. de satelliet, gelegen op het vijfde Lagrange-punt, zal vroegtijdig waarschuwen voor mogelijk schadelijke zonneactiviteit voordat het satellieten in een baan om de aarde of elektriciteitsnetten op de grond beïnvloedt, waardoor operators de tijd krijgen om actie te ondernemen om vitale infrastructuur te beschermen.