چگونه AI به دانشمندان کمک می کند تا برخی از عمیق ترین رازهای خورشید را باز کنند

خورشید هر 11 سال یک بار از مدل انرژی خود عبور می کند ، اما فناوری ای که دانشمندان برای مشاهده آنها استفاده می کنند با سرعت بیشتری پیشرفت می کند.
این یکی از پیام هایی است که می توانید خانه یک مطالعه جدید را به دست بیاورید که ادعا می کند هوش مصنوعی (AI) می تواند بر شکاف رو به رشد داده های خورشیدی جدیدتر و قدیمی غلبه کند و به دانشمندان کمک کند تا جنبه های غفلت شده از تکامل بلند مدت ستاره ما را فاش کنند.
نسل های جدید تلسکوپ ها و ابزارهای خورشیدی دائماً نظرات بی سابقه ای را ارائه می دهند خورشیداین دستاوردهایی که به دانشمندان امکان می دهد جزئیات پیچیده ای از آن را ضبط کنند شعله های خورشیدی و نقشه های مغناطیسی خورشید را با افزایش دقت ، برای درک فرآیندهای پیچیده آن و تحریک اکتشافات جدید بسیار مهم است. با این حال ، داده های جمع آوری شده توسط هر ابزار جدید ، ارائه کیفیت عالی ، اغلب به دلیل تغییر در وضوح ، کالیبراسیون و کیفیت ، با داده های قدیمی تر ناسازگار است و این امر باعث می شود که بررسی نحوه رشد خورشید طی چندین دهه دشوار شود.
رویکرد جدید مبتنی بر هوش مصنوعی با شناسایی مدل ها و پیوندها در مجموعه داده ها از ابزارهای مختلف خورشیدی و انواع داده ها با ترجمه آنها به یک فرمت مشترک و استاندارد ، بر این محدودیت ها غلبه می کند. این به دانشمندان بایگانی غنی تر و سازگارتر از مشاهدات خورشیدی در مورد تحقیقات خود ، به ویژه برای تجزیه و تحلیل های طولانی مدت تاریخی می دهد نقاط آفتاببه گفته نویسندگان این مطالعه ، وقایع و مطالعات نادر که نیاز به ترکیب داده ها از ابزارهای مختلف دارند.
مرتبط: خورشید زمین: حقایق سن ، اندازه و تاریخ خورشید
رابرت جارولیم ، که الگوریتم های پیشرفته ای را برای پردازش تصاویر خورشیدی در دانشگاه اتریش توسعه می دهد و نظرسنجی جدید را انجام می دهد ، “AI نمی تواند جایگزین مشاهدات شود ، اما می تواند به ما کمک کند تا از داده هایی که قبلاً جمع آوری کرده ایم ، بیشترین بهره را ببریم.” بیانیهS “این قدرت واقعی این رویکرد است.”
روش هوش مصنوعی ، که توسط جارولیم و تیمش تهیه شده است ، اساساً می تواند مشاهدات را از یک ابزار به ابزار دیگر ترجمه کند ، حتی اگر این ابزارها هرگز همزمان عمل نکرده باشند. این یک مطالعه جدید نشان می دهد که این روش باعث می شود که رویکرد آنها توسط داده ها مدیریت شود ، که در بسیاری از مجموعه های تصاویر اخترفیزیکی کاربرد دارد.
این تیم از طریق یک فرآیند دو مرحله ای که شامل شبکه های عصبی ، نوع است ، این کار را به دست آورد یادگیری ماشین این الگوریتم آزادانه بر روی مغز انسان مدل می شود. اول ، یک شبکه عصبی تصاویر با کیفیت بالا از یک ابزار را ایجاد می کند و تصاویر تخریب شده را شبیه سازی می کند که گویی از ابزاری متفاوت با کیفیت پایین گرفته شده است. این به هوش مصنوعی اجازه می دهد تا “آسیب” یا تفاوت های سیستماتیک معرفی شده توسط ابزارها را بیاموزد.
سپس شبکه عصبی دوم برای ساختن این تصاویر تخریب شده مصنوعی و “لغو” تخریب ، آموزش داده می شود ، که باعث می شود آنها دوباره به عنوان تصاویر با کیفیت بالا باشند. به این ترتیب ، او می آموزد که طبق مطالعه جدید ، تفاوت های بین دو ابزار را اصلاح کند.
هنگامی که هوش مصنوعی یاد گرفت که چگونه می توان تصاویر مختلفی را برای “تعمیر” تعمیر کرد ، می توان از شبکه عصبی دوم برای بهبود وضوح و کاهش نویز در تصاویر واقعی و با کیفیت پایین جمع آوری شده از ابزارهای قدیمی تر به گونه ای استفاده کرد که ویژگی های فیزیکی واقعی خورشید را که در داده های اصلی وجود دارد ، تحریف یا از بین نمی برد.
در این بیانیه آمده است: این چارچوب هوش مصنوعی به داده های قدیمی تر اجازه می دهد تا از قابلیت های سازهای جدید تر بهره مند شوند ، که به دانشمندان این امکان را می دهد تا مشاهدات تاریخی کمتری را به کیفیت داده های مدرن ارائه دهند.
“نویسنده علمی و فناوری در Skolovo از Skolovo در همان بیانیه گفت:” این پروژه نشان می دهد که چگونه محاسبات مدرن می تواند زندگی جدیدی از داده های تاریخی را استنشاق کند. ” “کار ما فراتر از بهبود تصاویر قدیمی است – این در مورد ایجاد یک زبان جهانی برای مطالعه تکامل خورشید به مرور زمان است.”
محققان این تکنیک را برای داده های جمع آوری شده از تلسکوپ های مختلف فضایی در دو مورد استفاده کرده اند چرخه خورشیدیپوشش بیش از دو دهه. براساس این بیانیه ، این رویکرد جزئیات موجود در تصاویر خورشیدی یک دیسک کامل را بهبود می بخشد ، باعث کاهش تاری و اعوجاج در مشاهدات زمینی ناشی از سر و صدای جوی می شود و حتی زمینه های مغناطیسی را در آن طرف خورشید محاسبه می کند.
این تیم همچنین از روش آفتاب (NOAA 11106) استفاده کرد که حدود یک هفته در سپتامبر 2010 ردیابی شد. رصدخانه خورشید و هلیوستلاش های مشترک ناسا و آژانس فضایی اروپا.
Podchikova در این بیانیه گفت: “در پایان ، ما آینده ای را ایجاد می کنیم که در آن هرگونه مشاهده ، گذشته یا آینده ، می تواند با همان زبان علمی صحبت کند.”
این مطالعه در a شرح داده شده است کاغذ ارسال شده در 2 آوریل در ارتباطات طبیعت.




