Nowe badanie naukowe wykorzystuje uczenie maszynowe do rozwiązania starych tajemnic astrofizycznych.

WarsawNaukowcy z Laboratorium Fizyki Plazmowej im. Princeton Departamentu Energii USA opracowali nowy program komputerowy. Program ten wykorzystuje uczenie maszynowe do wykrywania plazmoidów, czyli kieszeni plazmy, w przestrzeni kosmicznej. Plazmoidy te znajdują się w magnetosferze, obszarze przestrzeni, na który wpływa pole magnetyczne Ziemi.

Nowy program został przeszkolony z wykorzystaniem danych symulacyjnych. Jego zadaniem będzie analiza danych pochodzących z sond kosmicznych w celu wykrywania plazmoidów oraz badania rekoneksji magnetycznej. Proces ten może powodować uszkodzenia satelitów oraz sieci energetycznej.

Wykorzystanie uczenia maszynowego niesie ze sobą kilka istotnych korzyści:

• Zwiększa skuteczność znajdowania plazmoidów
• Wspomaga zrozumienie rekoneksji magnetycznej
• Pomaga przygotować się na zaburzenia spowodowane rekoneksją

„To pierwszy raz, gdy sztuczna inteligencja, wyszkolona na danych symulacyjnych, została wykorzystana do poszukiwania plazmoidów” — powiedziała Kendra Bergstedt, doktorantka w Programie Fizyki Plazmy na Uniwersytecie Princeton. Badania te łączą informatykę z analizą rekoneksji magnetycznej.

Naukowcy pragną wykrywać plazmoidy, aby sprawdzić, czy wpływają one na rekoneksję magnetyczną. Rekoneksja magnetyczna to proces, w którym linie pola magnetycznego rozdzielają się i ponownie łączą. Powoduje to uwolnienie dużej ilości energii, co może zakłócać działanie satelitów oraz sieci elektrycznych, gdy następuje w pobliżu Ziemi.

Niektórzy naukowcy, tacy jak profesor Hantao Ji z Uniwersytetu Princeton, uważają, że plazmoidy mogą przyspieszać rekoneksję w dużych plazmach. Jednak ta hipoteza nie została jeszcze potwierdzona. Badacze starają się ustalić, czy plazmoidy wpływają na tempo rekoneksji oraz ile energii przekazują cząstkom plazmy.

Zobacz również:

Dzisiaj · 22:25

Hipokamp jako klucz do opanowywania ruchów precyzyjnych

Program został przeszkolony przy użyciu niedoskonałych danych, aby skutecznie wykrywać plazmoidy. W modelach komputerowych plazmoidy zazwyczaj mają idealnie okrągłe kształty, ale takie kształty nie są powszechne w naturze. Aby upewnić się, że prawdziwe plazmoidy nie zostaną pominięte, Bergstedt i Ji wykorzystali dane, które uwzględniały naturalne różnice.

Bergstedt i Ji opracowywali programy modelujące plazmoidy. Uważają, że uczenie maszynowe będzie coraz częściej stosowane w badaniach astrofizycznych, ponieważ pomaga przewidywać na podstawie niewielkiej ilości danych.

Bergstedt i Ji zamierzają przetestować swój program, wykorzystując dane z misji Magnetospheric Multiscale (MMS) NASA. MMS, która wystartowała w 2015 roku, bada zjawisko rekoneksji. Misja składa się z czterech satelitów, które przemieszczają się przez plazmę w magnetotailu, obszarze pod kontrolą ziemskiego pola magnetycznego, co czyni go idealnym do badania rekoneksji.

Badanie rekoneksji jest trudne. Możemy obserwować Słońce jedynie z dużej odległości. Plazmy laboratoryjne są małe w porównaniu do tych występujących w przestrzeni kosmicznej. Magnetoogon stanowi dużą plazmę, którą statki kosmiczne mogą bezpośrednio mierzyć.

Bergstedt i Ji zamierzają ulepszyć swój program na dwa sposoby. Po pierwsze, dostosują go do pracy z różnymi typami danych, co umożliwi obsługę nowych zestawów danych. Po drugie, planują wykorzystać program do analizy danych MMS.

Nasze badania zostały sfinansowane dzięki grantom od Departamentu Energii, NASA oraz Krajowej Fundacji Nauki.