تلسکوپ خورشیدی کار سختی دارد. رصد خورشید به بمباران مداوم جریان بی پایان ذرات خورشیدی و نور شدید خورشید آسیب می رساند. با گذشت زمان، عدسی ها و حسگرهای حساس تلسکوپ های خورشیدی شروع به از بین رفتن می کنند. برای اطمینان از صحت داده های ارسال شده توسط چنین ابزارهایی، دانشمندان به طور دوره ای مجدداً کالیبراسیون می کنند تا مطمئن شوند که چگونه ابزار تغییر می کند.
رصدخانه دینامیک خورشیدی ناسا در سال 2010 افتتاح شد S.D.O، بیش از 10 سال است که تصاویری با وضوح بالا از خورشید ارائه می دهد. این تصاویر به دانشمندان نگاه دقیقی به پدیدههای خورشیدی مختلف داده است که میتوانند باعث آب و هوای فضا شوند و فضانوردان و فناوری ما را در زمین و فضا تحت تأثیر قرار دهند. دستگاه تصویرساز اتمسفر یا AIA یکی از دو ابزار تصویربرداری در SDO است که به طور مداوم به خورشید نگاه می کند و هر 10 ثانیه در 12 طول موج نور فرابنفش عکس می گیرد. این مقدار زیادی اطلاعات در مورد خورشید تولید می کند، اما مانند همه ابزارهای رصد خورشیدی، AIA در طول زمان تخریب می شود و داده ها باید مرتباً کالیبره شوند.
از زمان پرتاب SDO، دانشمندان از موشکهای صدادار برای کالیبره کردن AIA استفاده کردهاند، راکتهای کوچکی که معمولاً فقط چند ابزار را حمل میکنند و پروازهای فضایی کوتاهی انجام میدهند - حدود 15 دقیقه - آنها بالای بیشتر جو زمین پرواز میکنند و به ابزارهای موجود در هواپیما اجازه میدهند تا طول موج های فرابنفش اندازه گیری شده توسط AIA را ببینید. این طول موج های نور توسط جو زمین جذب می شوند و نمی توان آنها را از روی زمین اندازه گیری کرد. برای کالیبره کردن AIA، دانشمندان یک تلسکوپ فرابنفش را به موشک صداگذاری متصل کردند و آن داده ها را با اندازه گیری های AIA مقایسه کردند.
روش کالیبراسیون موشک صداگذاری دارای معایبی است. زمانی که AIA مدام به خورشید نگاه می کند، ممکن است موشک ها به دفعات پرتاب نشوند. این بدان معنی است که بین هر کالیبراسیون موشک کاوشگر یک دوره از کار افتادگی وجود دارد که در آن کالیبراسیون کمی خاموش است.
کالیبراسیون مجازی ناسا
با در نظر گرفتن این مشکلات، دانشمندان تصمیم گرفتند گزینه های دیگری را برای کالیبره کردن دستگاه با هدف کالیبراسیون دائمی در نظر بگیرند. به نظر می رسد یادگیری ماشینی، تکنیکی که در هوش مصنوعی استفاده می شود، مناسب است. همانطور که از نام آن پیداست، یادگیری ماشین به یک برنامه یا الگوریتم کامپیوتری برای یادگیری نحوه انجام یک کار نیاز دارد.
ابتدا، محققان باید یک الگوریتم یادگیری ماشینی را برای تشخیص ساختارهای خورشیدی و مقایسه آنها با استفاده از داده های AIA آموزش دهند. برای انجام این کار، آنها تصاویری را که در خلال پروازهای کالیبراسیون موشک به دست میآیند در اختیار الگوریتم قرار میدهند و به آن میگویند که به چه تعداد کالیبراسیون نیاز دارند. پس از تعداد زیادی از این مثال ها، آنها تصاویر مشابه الگوریتم را تغذیه می کنند و می بینند که آیا می تواند کالیبراسیون مورد نیاز را تعیین کند یا خیر. با توجه به داده های کافی، الگوریتم یاد می گیرد که تعیین کند برای هر تصویر چقدر کالیبراسیون لازم است.
از آنجایی که AIA در طول موج های مختلف نور به خورشید نگاه می کند، محققان همچنین می توانند از این الگوریتم برای مقایسه ساختارهای خاص در طول موج های مختلف و تخمین های دقیق تر استفاده کنند.
آنها ابتدا با نشان دادن شعله های خورشیدی در تمام طول موج های AIA تا زمانی که شعله های خورشیدی را در انواع مختلف نور شناسایی کرد، الگوریتم را آموزش دادند که یک شراره خورشیدی چگونه است. هنگامی که برنامه یک شعله خورشیدی را بدون هیچ گونه تخریب تشخیص داد، الگوریتم قادر به تعیین میزان تأثیر تخریب بر تصاویر فعلی AIA و میزان کالیبراسیون برای هر کدام بود.
دکتر لوئیس دوس سانتوس گفت: «این یک رویداد بزرگ بود. به جای اینکه فقط آنها را در طول موج یکسان شناسایی کنیم، ساختارهایی را در طول موج های مختلف شناسایی می کنیم. این بدان معنی است که محققان می توانند در کالیبراسیون تعیین شده توسط الگوریتم اطمینان بیشتری داشته باشند. در واقع، هنگام مقایسه دادههای کالیبراسیون مجازی آنها با دادههای کالیبراسیون موشکهای صوتی، برنامه یادگیری ماشینی در صدر قرار گرفت. با این فرآیند جدید، دانشمندان آماده هستند تا به طور مداوم تصاویر AIA را بین پروازهای موشک کالیبره کالیبره کنند و دقت داده های SDO را برای محققان افزایش دهند.
همچنین بخوانید: