A napteleszkópnak nehéz dolga van. A Nap megfigyelése megviseli a napelemek végtelen folyamának és az intenzív napfénynek a folyamatos bombázását. Idővel a szoláris teleszkópok érzékeny lencséi és érzékelői elkezdenek tönkremenni. Az ilyen műszerek által küldött adatok pontosságának biztosítása érdekében a tudósok rendszeresen újrakalibrálják, hogy megbizonyosodjanak arról, hogy megértik, hogyan változik a műszer.
A NASA Solar Dynamics Observatory 2010-ben nyílt meg, ill S.D.O, több mint 10 éve nyújt nagy felbontású képeket a Napról. Ezek a képek részletes betekintést adtak a tudósoknak a különféle napjelenségekbe, amelyek űridőjárást okozhatnak, és hatással lehetnek űrhajósainkra és technológiáinkra a Földön és az űrben. Az Atmospheric Imager Assembly vagy az AIA egyike az SDO két képalkotó műszerének, amely folyamatosan nézi a Napot, és 10 másodpercenként 12 hullámhosszú ultraibolya fényben készít képeket. Ez óriási mennyiségű információt állít elő a Napról, de mint minden napelemző műszer, az AIA is idővel lebomlik, és az adatokat gyakran kell kalibrálni.
Az SDO fellövése óta a tudósok szondás rakétákat használnak az AIA kalibrálására, amelyek kis rakéták, amelyek általában csak néhány műszert hordoznak, és rövid – körülbelül 15 perces – űrrepüléseket hajtanak végre a Föld légkörének nagy része felett, így a fedélzeten lévő műszerek lásd az AIA által mért ultraibolya hullámhosszokat. Ezeket a fényhullámhosszakat a Föld légköre nyeli el, és nem mérhető a földről. Az AIA kalibrálásához a tudósok ultraibolya távcsövet erősítettek a szondázó rakétára, és összehasonlították az adatokat az AIA méréseivel.
A szondás rakéta kalibrációs módszerének számos hátránya van. Előfordulhat, hogy a rakéták nem indulnak olyan gyakran, amikor az AIA folyamatosan a Napot nézi. Ez azt jelenti, hogy a szondarakéta minden egyes kalibrálása között van egy leállási időszak, amikor a kalibráció kissé elmarad.
NASA virtuális kalibráció
Ezeket a problémákat szem előtt tartva a tudósok úgy döntöttek, hogy más lehetőségeket is fontolóra vesznek az eszköz kalibrálására az állandó kalibrálás érdekében. Úgy tűnik, hogy a gépi tanulás, a mesterséges intelligenciában használt technika tökéletesen illeszkedik. Ahogy a neve is sugallja, a gépi tanuláshoz számítógépes programra vagy algoritmusra van szükség a feladat végrehajtásának megtanulásához.
A kutatóknak először egy gépi tanulási algoritmust kellett betanítaniuk a napszerkezetek felismerésére, és az AIA adatok segítségével történő összehasonlítására. Ehhez a rakéta hangos kalibrációs repülései során kapott képekkel látják el az algoritmust, és megmondják, hány kalibrációra van szükségük. Elegendő példák után hasonló képeket adnak az algoritmushoz, és megnézik, hogy képes-e meghatározni a szükséges kalibrációt. Ha elegendő adat áll rendelkezésre, az algoritmus megtanulja meghatározni, hogy mennyi kalibráció szükséges az egyes képekhez.
Mivel az AIA különböző hullámhosszúságú fényben nézi a Napot, a kutatók az algoritmus segítségével különböző hullámhosszúságú struktúrákat is összehasonlíthatnak, és pontosabb becsléseket készíthetnek.
Először megtanították az algoritmust, hogyan néz ki egy napkitörés, és minden AIA hullámhosszon megmutatták neki a napkitöréseket, amíg fel nem ismeri a napkitöréseket az összes különböző típusú fényben. Miután a program felismerte a napkitörést, degradáció nélkül, az algoritmus képes volt meghatározni, hogy a leromlás mennyire befolyásolja az aktuális AIA-képeket, és mennyi kalibrációra van szükség mindegyikhez.
"Nagy esemény volt" - mondta Dr. Louis Dos Santos. "Ahelyett, hogy ugyanazon a hullámhosszon azonosítanánk őket, különböző hullámhosszú struktúrákat azonosítunk." Ez azt jelenti, hogy a kutatók magabiztosabbak lehetnek az algoritmus által meghatározott kalibrációban. Valójában a virtuális kalibrálási adatok és a hangos rakéta kalibrációs adatok összehasonlítása során a gépi tanulási program a legjobbnak bizonyult. Ezzel az új eljárással a tudósok készen állnak az AIA-képek folyamatos kalibrálására a kalibrációs rakétarepülések között, ezzel növelve az SDO-adatok pontosságát a kutatók számára.
Olvassa el még: