Studio rivoluzionario utilizza il machine learning per svelare i segreti dell'astrofisica.

RomeGli scienziati del Princeton Plasma Physics Laboratory del Dipartimento dell'Energia degli Stati Uniti hanno sviluppato un nuovo programma informatico. Questo software utilizza l'apprendimento automatico per individuare i plasmoidi, che sono sacche di plasma, nello spazio. Questi plasmoidi si trovano nella magnetosfera, l'area dello spazio influenzata dal campo magnetico terrestre.

Il nuovo programma è stato addestrato con dati simulati. Analizzerà i dati provenienti dai veicoli spaziali per individuare i plasmoidi e studiare la riconnessione magnetica. Questo fenomeno può danneggiare satelliti e la rete elettrica.

Usare il machine learning offre numerosi vantaggi chiave:

• Miglioramento nella capacità di individuare plasmoidi
• Supporto alla comprensione della riconnessione magnetica
• Preparazione per i disturbi causati dalla riconnessione

Gli scienziati cercano di individuare i plasmoidi per capire se influenzano la riconnessione magnetica. La riconnessione magnetica avviene quando le linee del campo magnetico si spezzano e si ricongiungono, rilasciando una grande quantità di energia. Questo fenomeno può disturbare i satelliti e la rete elettrica quando si verifica vicino alla Terra.

Alcuni scienziati, come il professor Hantao Ji dell'Università di Princeton, ritengono che i plasmoidi potrebbero accelerare la riconnessione nei grandi plasmi. Tuttavia, questa teoria non è stata ancora confermata. I ricercatori stanno investigando se i plasmoidi influenzano la velocità di riconnessione e quanta energia trasferiscono alle particelle di plasma.

Il programma è stato addestrato con dati imperfetti per rilevare i plasmoidi in modo accurato. Nei modelli informatici, i plasmoidi hanno solitamente forme circolari perfette, ma tali forme sono rare in natura. Per assicurarsi di non perdere plasmoidi reali, Bergstedt e Ji hanno utilizzato dati che includevano variazioni naturali.

Leggi anche:

Oggi · 00:03

Stimolazione elettrica allevia dolore e fatica nei pazienti con long COVID, rivela studio.

Rivoluzione nel Modellamento: Dati Reali e Variazioni in Evidenza

Bergstedt e Ji sviluppavano programmi per modellare i plasmoidi. Credono che l'apprendimento automatico sarà utilizzato sempre più spesso nella ricerca astrofisica, poiché aiuta a fare previsioni con quantità limitate di dati.

Bergstedt e Ji intendono testare il loro programma utilizzando i dati della missione Magnetospheric Multiscale (MMS) della NASA. Lanciata nel 2015, la missione MMS studia la riconnessione magnetica. Essa dispone di quattro sonda spaziali che attraversano il plasma nella coda magnetica, una zona dominata dal campo magnetico terrestre, rendendola ideale per l'analisi della riconnessione.

Studiare la riconnessione è complesso. Possiamo osservare il sole solo da grande distanza. I plasmi di laboratorio sono piccoli rispetto a quelli spaziali. La coda magnetica offre un grande plasma misurabile direttamente dalle navicelle spaziali.

Bergstedt e Ji hanno in programma di migliorare il loro software in due modi. In primo luogo, lo adatteranno per lavorare con diversi tipi di dati. Questo permetterà al programma di gestire nuovi set di dati. In secondo luogo, utilizzeranno il software per studiare i dati MMS.

La nostra ricerca è stata finanziata da sovvenzioni del Dipartimento dell'Energia, della NASA e della Fondazione Nazionale per la Scienza.