Er verschijnt een waarschuwing in uw e-mail:de nieuwste ruimtevaartuigobservaties zijn klaar. Je hebt nu 24 uur om 84 uur aan gegevens te doorzoeken, het selecteren van de meest veelbelovende momenten van een fractie van een seconde die je kunt vinden. De datapunten die u kiest, afhankelijk van hoe je ze rangschikt, zal downloaden van het ruimtevaartuig in de hoogst mogelijke resolutie; onderzoekers kunnen maanden besteden aan het analyseren ervan. Al het andere wordt overschreven alsof het nooit is verzameld.

Dit zijn de inzet van de Scientist in the Loop, een van de belangrijkste rollen op de Magnetospheric Multiscale, of MMS, missie team. Drieënzeventig vrijwilligers delen de verantwoordelijkheid, werken in ploegen van een week om ervoor te zorgen dat de allerbeste gegevens op de grond komen. Er is een scherp en nauwgezet oog voor nodig, daarom is het altijd overgelaten aan een zorgvuldig opgeleide mens - tenminste tot nu toe.

Een vandaag gepubliceerd artikel beschrijft het eerste kunstmatige intelligentie-algoritme dat de Scientist in the Loop een (virtuele) hand biedt.

"MMS is de eerste grote NASA-missie die machine learning implementeert in haar missieactiviteiten, " zei Matthew Argall, ruimtefysicus aan de Universiteit van New Hampshire en hoofdauteur van het artikel.

Het algoritme voert een enkele taak uit:detecteren wanneer het ruimtevaartuig van het magnetische veld van de aarde naar dat van de zon ging, of vice versa. Maar het is slechts de eerste van vele speciale algoritmen die de manier waarop MMS-wetenschap wordt gedaan, zouden kunnen veranderen.

De zeepbel van de aarde laten barsten

Een onzichtbaar krachtveld omringt onze planeet, een gigantische bubbel die meer dan 40 ballonvaren, 000 mijl de ruimte in. Dit is ons magnetisch veld, en het dient ons op verschillende manieren. Het houdt dingen buiten, schadelijke kosmische stralen afbuigen die anders het aardoppervlak zouden treffen, leven in gevaar brengen. Maar het houdt ook dingen binnen, verkeerspatronen instellen voor de deeltjes die door de ruimte nabij de aarde zoemen. elektronen, klein en licht, draai strakke pirouettes rond de magnetische veldlijnen van de aarde; zwaardere ionen ploeteren langzamer voort, bredere lussen.

Maar het magnetische veld van de aarde is niets vergeleken met dat van de zon. Deeltjes weggeblazen door de zon, bekend als de zonnewind, dragen het magnetische veld van onze ster ver voorbij de baan van Neptunus. De deeltjes erin volgen de magnetische veldlijnen van de zon, onderweg in botsing komen met de magnetische bel van de aarde. De botsingsplaatsen vormen een onzichtbare grens die wetenschappers de magnetopauze noemen.

Over het algemeen, de magnetopauze houdt sterk, maar niet altijd. Als de omstandigheden goed zijn en magnetische velden op één lijn liggen, de zonnewind kan onze magnetische bel doorboren. De plaats van de breuk staat bekend als een elektronendiffusiegebied, of EDR, en het vinden ervan is het primaire doel van de MMS-missie.

Binnen een EDR, de magnetische veldlijnen van de zon en de aarde smelten samen, elkaar opzeggen, en verdwijnen. elektronen, energiek en ongebonden, rits heen en weer in een chaotisch pandemonium.

"Het is alsof ze hun rijstrook kwijt zijn terwijl iemand op hun gaspedaal stampt, " zei Barbara Giles, senior projectwetenschapper voor MMS.

Deze uitbarstingen van deeltjes veroorzaken een kettingreactie die het noorder- en zuiderlicht doet ontbranden - ze kunnen op hun manier zelfs astronauten en ruimtevaartuigen in gevaar brengen. EDR's barsten uit in het hele universum, van het midden van zonnevlammen tot de randen van zwarte gaten. MMS zoekt ze dichter bij huis, aan de rand van het aardmagnetisch veld.

Maar iemand op heterdaad betrappen is buitengewoon moeilijk. EDR's verschijnen zonder kennisgeving, strekken zich uit over slechts twee mijl (binnen een 14 miljard mijl brede zoekruimte), en duren slechts tienden van een seconde. In vijf jaar continu zoeken, MMS heeft iets meer dan 50 gemeten. Maar elke keer dat het de magnetopauze passeert, waar ons magnetisch veld dat van de zon ontmoet, het heeft nog een kans om er een te zien.

Op jacht naar magnetopauze-overgangen

Dus de wetenschapper in de lus doorzoekt de gegevens van elke baan, jacht op magnetopauze kruisingen. Maar ze vallen niet per se op in de gegevens - het identificeren ervan lijkt meer op het lokaliseren wanneer een motregen in regen verandert. De gegevens van een enkele baan kunnen zo weinig als twee of maar liefst 100 magnetopauze kruisingen bevatten, met valse alarm-look-a-likes ertussendoor gepeperd. Om ze te vinden, de Scientist in the Loop moet er gewoon tijd insteken.

"In de vroegste dagen, het was eigenlijk een fulltime baan, " zei Rick Wilder, ruimtefysicus bij het Laboratorium voor Atmosferische en Ruimtefysica in Boulder, Colorado. Vanaf dat moment, Wilder heeft geholpen de wetenschapper in de workflow van de Loop te optimaliseren en nieuwe rekruten op te leiden tot ervaren experts. Vandaag, een ervaren Scientist in the Loop heeft maar een paar uur per week nodig. Maar het is nog steeds een belasting voor onderzoekers die vrijwilligerswerk doen bovenop drukke schema's. "Vermoeidheid zit altijd in ons achterhoofd, ' zei Wilders.

Ze waren altijd van plan geweest om delen van de Wetenschapper in de rol van de Loop te automatiseren, maar het vinden van een algoritme dat overeenkomt met de menselijke prestaties was een uitdaging. Wetenschappers kunnen grotere trends in gegevens zien, iets waar de meeste algoritmen moeite mee hebben. "Een deel van wat een wetenschapper doet, is kijken naar de voortgang in de tijd van de gegevens, "zei Argall. "Bijvoorbeeld, in staat zijn om te identificeren dat je op een gegeven moment in de magnetosfeer bent, en dat te gebruiken om te beïnvloeden hoe [u ziet] de gegevens evolueren."

Argall en zijn medewerkers bouwden een algoritme dat probeert te emuleren hoe mensen gegevens lezen. Het neemt de vorm aan van een neuraal netwerk, een dataverwerkingstechniek geïnspireerd op de hersenen. In tegenstelling tot traditionele algoritmen, neurale netwerken programmeren zichzelf met vallen en opstaan. Argall toonde de netwerkvoorbeelden van magnetopauzeovergangen, vervolgens getest op nieuwe gevallen. Als het fout antwoordde - er werd gekozen voor een niet-kruising, of een echte kruising werd gemist - hij stuurde een foutsignaal, een cascade van aanpassingen teweegbrengen vóór de volgende test. Net als menselijke wetenschappers in de Loop, het netwerk leerde uit ervaring magnetopauze-overgangen te identificeren.

Maar de meeste neurale netwerken verwerken gegevens in geïsoleerde snapshots, terwijl wetenschappers metingen in de tijd zien ontvouwen. Het team benaderde het vermogen van de wetenschapper door poorten te gebruiken om de gegevens op te slaan die het netwerk net zag, evenals de gegevens die daarna kwamen. Terwijl het netwerk beslist of het kijkt naar het oversteken van de magnetopauze of niet, het heeft toegang tot omliggende gegevenspunten om te helpen. "Het algoritme voegt invoergegevens uit het verleden en de toekomst toe om context te bieden voor de beslissing die het op dit moment neemt, ' zei Argal.

Het is het eerste algoritme van wat er misschien veel zijn. Het team stelt zich voor om verschillende speciale detectoren te bouwen om hiërarchisch samen te werken. (Een verzameling van specialisten, anderen hebben gevonden, presteert beter dan een manusje-van-alles-algoritme.) Op het laagste niveau, "regioclassificaties" kijken naar de gegevens om erachter te komen waar het ruimtevaartuig zich in de ruimte bevindt. Ze geven hun output door aan regiospecifieke "event classifiers, " die zoeken naar de fenomenen die onderzoekers willen vinden. Met succes in de komende jaren, MMS kan automatisch veel meer detecteren dan alleen magnetopauzeovergangen.

"We kunnen verzoeken aannemen, zeg voor een bepaalde handtekening in de gegevens, en breng het in realtime naar beneden, "Zei Giles. "Het wordt in die zin een systeemobservatorium - een gemeenschapsbron."

Dat is nog een eind weg. Het nieuwe algoritme komt momenteel ongeveer 70% van de tijd overeen met menselijke oordelen. (Zelfs wetenschappers zijn het niet 100% van de tijd met elkaar eens.) Sinds oktober 2019 elke week heeft de Scientist in the Loop het behandeld als een assistent, hun werk dubbel te controleren en eventuele fouten op te sporen.

"Maar ik weet zeker dat binnen een paar jaar, met deze technieken die hij ontwikkelt, hij gaat de Scientist in the Loop overbodig maken, " zei Giles. "We zullen weten wanneer die dag komt, want het enige wat ze zullen doen is naar binnen gaan, vink een vakje aan, en ga verder."

Met een betrouwbare algoritmische assistent aan hun zijde, wetenschappers zouden zich kunnen concentreren op die kronkels in de gegevens waarvan ze nog niet weten hoe ze die moeten labelen. We kunnen een glimp opvangen van een toekomst waarin algoritmen minder hulpmiddelen zijn dan medewerkers, samenwerken met wetenschappers, omdat beiden samen van nieuwe gegevens leren.