Sluneční dalekohled má těžký úkol. Pozorování Slunce si vybírá daň za neustálé bombardování nekonečným proudem slunečních částic a intenzivního slunečního záření. Postupem času se citlivé čočky a senzory slunečních dalekohledů začnou rozpadat. Aby byla zajištěna přesnost dat odesílaných takovými přístroji, vědci pravidelně rekalibrují, aby se ujistili, že rozumí tomu, jak se přístroj mění.
NASA Solar Dynamics Observatory byla otevřena v roce 2010, popř S.D.O, poskytuje snímky Slunce ve vysokém rozlišení již více než 10 let. Tyto snímky poskytly vědcům detailní pohled na různé sluneční jevy, které mohou způsobit vesmírné počasí a ovlivnit naše astronauty a technologie na Zemi i ve vesmíru. Atmospheric Imager Assembly, neboli AIA, je jedním ze dvou zobrazovacích přístrojů na SDO, které nepřetržitě sledují Slunce a každých 10 sekund pořizují snímky v 12 vlnových délkách ultrafialového světla. To produkuje obrovské množství informací o Slunci, ale stejně jako všechny přístroje pro pozorování Slunce, AIA časem degraduje a data musí být často kalibrována.
Od startu SDO vědci používali sondážní rakety ke kalibraci AIA, což jsou malé rakety, které obvykle nesou jen několik přístrojů a provádějí krátké vesmírné lety – asi 15 minut – létají nad většinou zemské atmosféry, což umožňuje přístrojům na palubě viz ultrafialové vlnové délky, měřené AIA. Tyto vlnové délky světla jsou absorbovány zemskou atmosférou a nelze je měřit ze země. Pro kalibraci AIA vědci připojili k sondážní raketě ultrafialový dalekohled a porovnali tato data s měřeními AIA.
Metoda kalibrace sondážní rakety má řadu nevýhod. Rakety nemusí startovat tak často, když se AIA místo toho neustále dívá do Slunce. To znamená, že mezi každou kalibrací rakety sondy je období prostoje, kdy je kalibrace mírně mimo.
Virtuální kalibrace NASA
S ohledem na tyto problémy se vědci rozhodli zvážit další možnosti kalibrace zařízení s ohledem na trvalou kalibraci. Strojové učení, technika používaná v umělé inteligenci, se zdá být perfektní. Jak název napovídá, strojové učení vyžaduje počítačový program nebo algoritmus, aby se naučil, jak provést úkol.
Nejprve museli vědci natrénovat algoritmus strojového učení, aby rozpoznal sluneční struktury a porovnal je pomocí dat AIA. K tomu poskytnou algoritmu snímky získané během sondážních kalibračních letů rakety a řeknou mu, kolik kalibrací potřebují. Po dostatečném množství těchto příkladů vloží do algoritmu podobné obrázky a uvidí, zda dokáže určit požadovanou kalibraci. Při dostatečném množství dat se algoritmus naučí určit, kolik kalibrace je potřeba pro každý snímek.
Protože AIA se dívá na Slunce v různých vlnových délkách světla, vědci mohou také použít algoritmus k porovnání konkrétních struktur na různých vlnových délkách a provést přesnější odhady.
Nejprve naučili algoritmus, jak vypadá sluneční erupce, tím, že jí ukázali sluneční erupce na všech vlnových délkách AIA, dokud nerozpoznali sluneční erupce ve všech různých typech světla. Jakmile program rozpoznal sluneční erupci bez jakékoli degradace, algoritmus byl schopen určit, jak moc degradace ovlivnila aktuální snímky AIA a jak velká byla kalibrace pro každý z nich.
"Byla to velká událost," řekl Dr. Louis Dos Santos. "Místo toho, abychom je pouze identifikovali na stejné vlnové délce, identifikujeme struktury na různých vlnových délkách." To znamená, že výzkumníci si mohou být více jisti kalibrací určenou algoritmem. Při porovnávání jejich virtuálních kalibračních dat s kalibračními daty znějících raket se program strojového učení ukázal být na vrcholu. S tímto novým procesem jsou vědci připraveni průběžně kalibrovat snímky AIA mezi lety kalibračních raket, čímž se zvyšuje přesnost dat SDO pro výzkumníky.
Přečtěte si také: