एआई शोधकर्ताओं को सूर्य से सौर डेटा को बेहतर बनाने में मदद कर रहा है, आईटी न्यूज, ईटी सीआईओ

वाशिंगटन, शोधकर्ता कृत्रिम बुद्धिमत्ता का उपयोग कर रहे हैं (ऐ) कुछ को अंशांकित करने की तकनीकें नासासूर्य की छवियां, वैज्ञानिकों द्वारा सौर अनुसंधान के लिए उपयोग किए जाने वाले डेटा को बेहतर बनाने में मदद करती हैं।

2010 में लॉन्च किया गया, NASA’s सौर गतिकी वेधशाला (एसडीओ) ने एक दशक से अधिक समय से सूर्य की उच्च-परिभाषा छवियां प्रदान की हैं।

वायुमंडलीय इमेजरी असेंबली, या एआईए, एसडीओ पर दो इमेजिंग उपकरणों में से एक है और हर 12 सेकंड में पराबैंगनी प्रकाश के 10 तरंग दैर्ध्य में छवियों को लेते हुए सूर्य को लगातार देखता है।

नासा ने एक बयान में कहा कि यह सूर्य की जानकारी का खजाना बनाता है जैसे कोई अन्य नहीं, लेकिन – सभी सूर्य-स्टारिंग उपकरणों की तरह – एआईए समय के साथ खराब हो जाता है, और डेटा को अक्सर कैलिब्रेट करने की आवश्यकता होती है।

इस चुनौती को दूर करने के लिए, वैज्ञानिकों ने उपकरण को कैलिब्रेट करने के लिए अन्य विकल्पों को देखने का फैसला किया, जिसमें निरंतर अंशांकन की ओर ध्यान दिया गया था।

मशीन लर्निंग, आर्टिफिशियल इंटेलिजेंस में इस्तेमाल की जाने वाली तकनीक, एकदम फिट की तरह लग रही थी।

शुरू करने के लिए, टीम एल्गोरिदम को सिखाएगी कि एआईए के सभी तरंगदैर्ध्यों में सौर फ्लेयर्स को दिखाकर सौर फ्लेयर कैसा दिखता है जब तक कि यह सभी विभिन्न प्रकार के प्रकाश में सौर फ्लेयर को पहचान न सके।

एक बार जब प्रोग्राम बिना किसी गिरावट के सौर चमक को पहचान सकता है, तो एल्गोरिदम यह निर्धारित कर सकता है कि एआईए की वर्तमान छवियों को कितना गिरावट प्रभावित कर रही है और प्रत्येक के लिए कितना अंशांकन आवश्यक है।

मैरीलैंड के ग्रीनबेल्ट में नासा के गोडार्ड स्पेस फ्लाइट सेंटर के एक सौर भौतिक विज्ञानी डॉ लुइज़ डॉस सैंटोस ने कहा, “यह बड़ी बात थी। एक ही तरंगदैर्ध्य पर इसे पहचानने के बजाय, हम तरंगदैर्ध्य में संरचनाओं की पहचान कर रहे हैं।” जर्नल एस्ट्रोनॉमी एंड एस्ट्रोफिजिक्स में प्रकाशित पेपर पर।

“यह गहरे अंतरिक्ष मिशनों के लिए भी महत्वपूर्ण है, जिसमें रॉकेट कैलिब्रेशन का विकल्प नहीं होगा। हम एक ही बार में दो समस्याओं से निपट रहे हैं।”

चूंकि एआईए सूर्य को प्रकाश की कई तरंग दैर्ध्य में देखता है, शोधकर्ता भी तरंग दैर्ध्य में विशिष्ट संरचनाओं की तुलना करने और इसके आकलन को मजबूत करने के लिए एल्गोरिथ्म का उपयोग कर सकते हैं।

जैसे-जैसे मशीन लर्निंग आगे बढ़ेगी, इसके वैज्ञानिक अनुप्रयोगों का विस्तार अधिक से अधिक मिशनों तक होगा।

“भविष्य के लिए, इसका मतलब यह हो सकता है कि गहरे अंतरिक्ष मिशन – जो उन जगहों की यात्रा करते हैं जहां अंशांकन रॉकेट उड़ानें संभव नहीं हैं – अभी भी कैलिब्रेट की जा सकती हैं और सटीक डेटा देना जारी रख सकती हैं, यहां तक ​​​​कि पृथ्वी से अधिक से अधिक दूरी पर जाने पर भी या किसी भी सितारे, “नासा ने कहा।