Категоризация полярных сияний с помощью ИИ прокладывает путь к улучшению исследований и прогнозирования космической погоды.
В Нью-Гемпшире разработали инновационный алгоритм машинного обучения
Реклама
Прорыв в исследовании полярных сияний был достигнут с помощью искусственного интеллекта, помогающего ученым в классификации и изучении северного сияния. Было отсортировано и помечено более 700 миллионов изображений полярных сияний, что проложило путь к лучшему прогнозированию геомагнитных бурь, которые могут нарушить критически важные системы связи и безопасности на Земле. Категоризация основана на наборе данных THEMIS NASA, который записывает изображения полярных сияний каждые три секунды, полученные с 23 станций мониторинга по всей Северной Америке. Ожидается, что это достижение значительно улучшит понимание взаимодействия солнечного ветра с магнитосферой Земли.
Dataset Categorisation and Techniques
Согласно сообщениям на phys.org, исследователи из Университета Нью-Гемпшира разработали инновационный алгоритм машинного обучения, который анализировал данные THEMIS, собранные в период с 2008 по 2022 год. Изображения были классифицированы по шести различным категориям: дуга, диффузное, дискретное, облачное, лунное и ясное/без полярного сияния. Цель состояла в том, чтобы улучшить доступ к значимым идеям в обширном историческом наборе данных, что позволит ученым эффективно фильтровать и анализировать данные.
Джеремия Джонсон, доцент кафедры прикладной инженерии и наук, заявил phys.org, что обширный набор данных содержит важнейшую информацию о защитной магнитосфере Земли. Его прежний масштаб усложнил для исследователей задачу эффективного использования его потенциала. Эта разработка предлагает решение, позволяющее проводить более быстрые и комплексные исследования поведения полярных сияний.
Влияние на будущие исследования
Было высказано предположение, что категоризированная база данных будет служить основополагающим ресурсом для текущих и будущих исследований динамики полярных сияний. Благодаря более чем десятилетнему объему организованных данных исследователи имеют доступ к статистически значимому размеру выборки для исследований событий космической погоды и их влияния на системы Земли.
Сотрудники из Университета Аляски в Фэрбенксе и Центра космических полетов имени Годдарда НАСА также внесли свой вклад в этот проект. Использование ИИ в этом контексте подчеркивает растущую роль технологий в решении проблем, связанных с обширными наборами данных в области космической науки.
- Солнечный зонд НАСА Parker приближается к Солнцу на максимально близкое расстояние.
- Гидросульфид аммония идентифицирован как основной компонент облаков Юпитера