Ny vetenskaplig studie använder maskininlärning för att besvara gamla frågor inom astrofysik.
StockholmForskare vid U.S. Department of Energy's Princeton Plasma Physics Laboratory har utvecklat ett nytt datorprogram. Detta program använder maskininlärning för att hitta plasmoider, som är fickor av plasma, i rymden. Dessa plasmoider finns i magnetosfären, det område i rymden som påverkas av Jordens magnetfält.
Det nya programmet tränades med simulerad data. Det kommer att analysera data från rymdfarkoster för att identifiera plasmoider och undersöka magnetisk återkoppling. Denna process kan skada satelliter och elnätet.
Att använda maskininlärning har några viktiga fördelar:
- Förbättrar förmågan att hitta plasmoider
- Underlättar förståelsen av magnetisk återkoppling
- Bidrar till att förbereda sig för störningar orsakade av återkoppling
Forskare strävar efter att upptäcka plasmoider för att se om de påverkar magnetisk återkoppling. Magnetisk återkoppling inträffar när magnetfältlinjer bryts och förenas igen. Detta frigör mycket energi och kan störa satelliter och elnätet när det sker nära jorden.
Vissa forskare, som professor Hantao Ji vid Princeton University, anser att plasmoider kan påskynda återkopplingsprocessen i stora plasman. Men denna hypotes har ännu inte bekräftats. Forskare undersöker nu om plasmoider påverkar återkopplingshastigheten och hur mycket energi de överför till plasmapartiklar.
Programmet tränades med ofullständig data för att noggrant kunna identifiera plasmoider. I datormodeller har plasmoider ofta perfekt cirkulära former, men sådana former är sällsynta i naturen. För att säkerställa att verkliga plasmoider inte förbises använde Bergstedt och Ji data som inkluderade naturliga variationer.
Bergstedt och Ji brukade skapa program som modellerade plasmoider. De tror att maskininlärning kommer att användas oftare inom astrofysisk forskning eftersom det hjälper till att göra förutsägelser från små datamängder.
Bergstedt och Ji planerar att testa sitt program med data från NASA:s Magnetospheric Multiscale (MMS) mission. MMS som lanserades 2015 studerar återkoppling. Den har fyra rymdfarkoster som färdas genom plasma i magnetosvansen, ett område under påverkan av jordens magnetfält, vilket gör den idealisk för att studera återkoppling.
Att studera återkoppling är utmanande. Vi kan bara observera solen på avstånd. Plasman i laboratoriet är liten jämfört med den i rymden. Magnetosvansen erbjuder en stor plasma som rymdfarkoster kan mäta direkt.
Bergstedt och Ji planerar att förbättra sitt program på två sätt. För det första kommer de att anpassa det för att arbeta med olika typer av data, vilket gör att programmet kan hantera nya dataset. För det andra kommer de att använda programmet för att studera MMS-data.
Vår forskning finansierades av bidrag från Energidepartementet, NASA och Nationella vetenskapsstiftelsen.
Studien publiceras här:
http://dx.doi.org/10.1029/2023EA002965och dess officiella citering - inklusive författare och tidskrift - är
K. Bergstedt, H. Ji. A Novel Method to Train Classification Models for Structure Detection in In Situ Spacecraft Data. Earth and Space Science, 2024; 11 (6) DOI: 10.1029/2023EA002965Dela den här artikeln