3190 2

Солнечные вспышки в режиме реального времени

Согласно новому исследованию, компьютеры могут научиться находить солнечные вспышки и другие события в огромных потоках солнечных изображений и помогать прогнозистам из NOAA выдавать своевременные оповещения по поводу этих вспышек, согласно новому исследованию. Технология машинного обучения, разработанная учеными CIRES и Национальными центрами экологической информации NOAA (NCEI), осуществляет поиск в огромных объемах спутниковых данных, чтобы выявить особенности, важные для космической погоды. Изменение условий на Солнце и в космосе может повлиять на различные технологии на Земле, блокируя радиосвязь, повреждая электрические сети и снижая точность навигационной системы.

«Возможность обрабатывать солнечные данные в реальном времени важна, потому что вспышки, извергающиеся на Солнце, воздействуют на Землю в течение нескольких минут. Эти методы обеспечивают быстрый, постоянно обновляемый обзор солнечных особенностей и могут указать нам на области, требующие более тщательного изучения»,- сказал Роб Стинберг, синоптик в Центре прогнозирования космической погоды NOAA (SWPC) в Боулдере.

Исследование было опубликовано в октябре в Журнале космической погоды и космического климата.

Чтобы предсказать наступающую космическую погоду, синоптики суммируют текущие условия на Солнце два раза в день. Сегодня они используют рисованные карты, помеченные различными солнечными объектами-в том числе активными областями, нитями и границами корональных дыр. Но солнечные тепловизоры производят новый набор наблюдений каждые несколько минут. Например, Solar Ultraviolet Imager (SUVI) на спутниках серии GOES-R NOAA работает по 4-минутному циклу, собирая данные на шести различных длинах волн каждый цикл.

Простое отслеживание всех этих данных может занять много времени прогнозиста. «Нам нужны инструменты для обработки солнечных данных в легко усваиваемые куски времени», - сказал Дэн Ситон, ученый CIRES, работающий в NCEI и один из соавторов статьи. CIRES является частью Колорадского университета в Боулдере.

Так, Джей Маркус Хьюз, аспирант кафедры информатики в CU Boulder, ученый CIRES в NCEI и ведущий автор исследования, создал компьютерный алгоритм, который может одновременно просматривать все изображения SUVI и определять шаблоны в данных. Вместе со своими коллегами Хьюз создал базу данных отмеченных экспертами карт Солнца и использовал эти изображения, чтобы научить компьютер определять солнечные особенности, важные для прогнозирования. «Мы говорили не о том, как идентифицировать эти особенности, а о том, что нужно искать - о таких вещах, как блики, корональные дыры, яркие области, нити и выступы. Компьютер изучает, как с помощью алгоритма можно легко и просто получать нужную нам информацию», - сказал Хьюз.

Алгоритм идентифицирует солнечные признаки, используя подход дерева решений, который следует набору простых правил для различения различных признаков. Он рассматривает изображение по одному пикселю за раз и решает, например, является ли этот пиксель ярче или тусклее определенного порога, прежде чем отправить его вниз по ветке дерева. Это повторяется до тех пор, пока в самом низу дерева каждый пиксель не уместится только в одну категорию или функцию - например, вспышку.

Алгоритм изучает сотни деревьев решений и принимает сотни решений по каждому дереву, чтобы отличать различные солнечные элементы и определять «голос большинства» для каждого пикселя. Как только система будет обучена, она сможет классифицировать миллионы пикселей за секунды, поддерживая прогнозы, которые могут быть рутинными или требовать предупреждения или предупреждения.

«Этот метод действительно хорош в использовании всех данных одновременно», - сказал Хьюз. «Поскольку алгоритм очень быстро обучается, он сможет помочь прогнозистам понять, что происходит на Солнце, гораздо быстрее, чем они в настоящее время».

Техника также видит образцы, которые люди не могут наблюдать. «Иногда он может найти функции, которые нам было бы трудно идентифицировать самим. Таким образом, машинное обучение может направить наше научное исследование и определить важные характеристики функций, которые мы не знали, чтобы дать нам информацию, которую мы сами получить не можем», - сказал Ден Ситон.

Умение алгоритма находить закономерности полезно не только для краткосрочного прогнозирования, но и для того, чтобы помочь ученым оценить долгосрочные солнечные данные и улучшить модели Солнца. «Поскольку алгоритм может смотреть на 20-летние изображения и находить закономерности в данных, мы сможем ответить на вопросы и решить долгосрочные проблемы, которые были неразрешимы», - сказал Ден Ситон.

NCEI и SWPC все еще тестируют инструмент для отслеживания изменяющихся солнечных условий, чтобы синоптики могли выдавать более точные прогнозы. Этот инструмент может быть официально введен в эксплуатацию уже в конце 2019 года.

(Добавил: Nikola)

Поддержи AstroNews           Читайте AstroNews в Яндекс.Дзен