Aurinkoteleskoopilla on kova työ. Auringon havainnointi vaatii jatkuvaa jatkuvaa aurinkohiukkasvirran ja voimakkaan auringonvalon pommittamista. Ajan myötä aurinkoteleskooppien herkät linssit ja anturit alkavat hajota. Tällaisten instrumenttien lähettämien tietojen tarkkuuden varmistamiseksi tutkijat kalibroivat ajoittain uudelleen varmistaakseen, että he ymmärtävät laitteen muuttuvan.
NASA Solar Dynamics Observatory avattiin vuonna 2010 tai S.D.O, on tarjonnut korkearesoluutioisia kuvia auringosta yli 10 vuoden ajan. Nämä kuvat ovat antaneet tutkijoille yksityiskohtaisen katsauksen erilaisiin aurinkoilmiöihin, jotka voivat aiheuttaa avaruussää ja vaikuttaa astronauteihimme ja teknologiaomme maan päällä ja avaruudessa. Atmospheric Imager Assembly tai AIA on yksi SDO:n kahdesta kuvantamislaitteesta, joka katsoo jatkuvasti aurinkoa ja ottaa kuvia 10 aallonpituudella ultraviolettivaloa 12 sekunnin välein. Tämä tuottaa valtavan määrän tietoa Auringosta, mutta kuten kaikki aurinkohavaintolaitteet, AIA heikkenee ajan myötä ja tiedot on kalibroitava usein.
SDO:n laukaisun jälkeen tutkijat ovat käyttäneet luotainraketteja kalibroimaan AIA:ta, jotka ovat pieniä raketteja, joissa on yleensä vain muutama instrumentti ja jotka tekevät lyhyitä avaruuslentoja – noin 15 minuuttia – ne lentävät suurimman osan maapallon ilmakehästä, jolloin aluksella olevat instrumentit voivat katso ultraviolettiaallonpituudet, mitattuna AIA:lla. Nämä valon aallonpituudet absorboituvat maan ilmakehään, eikä niitä voida mitata maasta. Kalibroidakseen AIA:n tutkijat kiinnittivät ultraviolettiteleskoopin luotainrakettiin ja vertasivat näitä tietoja AIA-mittauksiin.
Luotainraketin kalibrointimenetelmällä on useita haittoja. Raketit eivät välttämättä laukea niin usein, kun AIA sen sijaan katsoo jatkuvasti aurinkoon. Tämä tarkoittaa, että jokaisen luotainraketin kalibroinnin välillä on seisokkijakso, jolloin kalibrointi on hieman poissa.
NASAn virtuaalinen kalibrointi
Nämä ongelmat mielessään tutkijat päättivät harkita muita vaihtoehtoja laitteen kalibroimiseksi pysyvää kalibrointia silmällä pitäen. Koneoppiminen, tekoälyssä käytetty tekniikka, näyttää sopivalta täydellisesti. Kuten nimestä voi päätellä, koneoppiminen vaatii tietokoneohjelman tai algoritmin oppiakseen suorittamaan tehtävän.
Ensin tutkijoiden oli koulutettava koneoppimisalgoritmi tunnistamaan aurinkorakenteet ja vertaamaan niitä AIA-tietojen avulla. Tätä varten he toimittavat algoritmille raketin luotauskalibrointilentojen aikana saadut kuvat ja kertovat kuinka monta kalibrointia he tarvitsevat. Kun näitä esimerkkejä on riittävästi, he syöttävät algoritmille samanlaisia kuvia ja katsovat, voiko se määrittää vaaditun kalibroinnin. Kun dataa on riittävästi, algoritmi oppii määrittämään, kuinka paljon kalibrointia tarvitaan kullekin kuvalle.
Koska AIA katsoo aurinkoa eri valon aallonpituuksilla, tutkijat voivat käyttää algoritmia myös vertaillakseen tiettyjä rakenteita eri aallonpituuksilla ja tehdäkseen tarkempia arvioita.
Aluksi he opettivat algoritmille, miltä auringon heijastus näyttää, näyttämällä sille auringonpurkausta kaikilla AIA-aallonpituuksilla, kunnes se tunnisti auringonpurkausta kaikissa eri valotyypeissä. Kun ohjelma tunnisti auringonpurkauksen ilman heikkenemistä, algoritmi pystyi määrittämään, kuinka paljon heikkeneminen vaikutti nykyisiin AIA-kuviin ja kuinka paljon kalibrointia kullekin tarvittiin.
"Se oli iso tapahtuma", sanoi tohtori Louis Dos Santos. "Sen sijaan, että vain tunnistaisimme ne samalla aallonpituudella, tunnistamme rakenteita eri aallonpituuksilla." Tämä tarkoittaa, että tutkijat voivat luottaa algoritmin määräämään kalibrointiin. Itse asiassa, kun verrattiin heidän virtuaalisia kalibrointitietojaan luotainrakettien kalibrointitietoihin, koneoppimisohjelma osoittautui huippuluokan. Tämän uuden prosessin avulla tutkijat ovat valmiita kalibroimaan jatkuvasti AIA-kuvia kalibrointirakettilentojen välillä, mikä lisää tutkijoiden SDO-tietojen tarkkuutta.
Lue myös: