Distribución de la nube según lo mapeado por PlanetNet en seis conjuntos de datos superpuestos. La característica de la región tormentosa (azul) ocurre cerca de tormentas oscuras (violeta / verde) en contraste con las regiones no perturbadas (rojo / naranja). El área cubierta por el sistema de tormentas múltiples equivale aproximadamente al 70% de la superficie de la Tierra. Crédito:Dr. Ingo Waldmann, University College de Londres
Se establece un enfoque de 'aprendizaje profundo' para detectar tormentas en Saturno para transformar nuestra comprensión de las atmósferas planetarias, según investigadores de la UCL y la Universidad de Arizona.
La nueva técnica, llamado PlanetNet, identifica y mapea los componentes y características en regiones turbulentas de la atmósfera de Saturno, dando información sobre los procesos que los impulsan.
Un estudio, publicado hoy en Astronomía de la naturaleza , proporciona los resultados de la primera demostración del algoritmo PlanetNet, que muestra claramente las vastas regiones afectadas por tormentas, y que las oscuras nubes de tormenta de Saturno contienen material arrastrado desde la atmósfera inferior por fuertes vientos verticales.
Desarrollado por investigadores de UCL y la Universidad de Arizona, PlanetNet fue entrenado y probado usando datos infrarrojos del instrumento Visible and Infrared Mapping Spectrometer (VIMS) en Cassini, una misión conjunta entre la NASA, la Agencia Espacial Europea, y la Agencia Espacial Italiana.
Un conjunto de datos que contiene múltiples, Las tormentas adyacentes observadas en Saturno en febrero de 2008 fueron elegidas para proporcionar una gama de características atmosféricas complejas para desafiar las capacidades de PlanetNet.
El análisis anterior del conjunto de datos indicó una rara detección de amoníaco en la atmósfera de Saturno, en forma de nube en forma de S.
Estas imágenes de una tormenta en la atmósfera de Saturno se obtuvieron con la cámara gran angular de la nave espacial Cassini el 4 de marzo. 2008, a una distancia de aproximadamente 1,3 millones de kilómetros (800, 000 millas) de Saturno. La escala de la imagen es de 74 kilómetros (46 millas) por píxel. Crédito:NASA / JPL / Space Science Institute.
El mapa producido a través de PlanetNet muestra que esta característica es una parte prominente de un afloramiento mucho mayor de nubes de hielo de amoníaco alrededor de una tormenta oscura central. PlanetNet identifica surgencias similares alrededor de otra pequeña tormenta, sugiriendo que tales características son bastante comunes.
El mapa también muestra diferencias pronunciadas entre el centro de las tormentas y las áreas circundantes, lo que indica que el ojo ofrece una visión clara del calentador, atmósfera profunda.
"Misiones como Cassini recopilan enormes cantidades de datos, pero las técnicas clásicas de análisis tienen inconvenientes, ya sea en la precisión de la información que se puede extraer o en el tiempo que tardan en realizarse. El aprendizaje profundo permite el reconocimiento de patrones en diversos múltiples conjuntos de datos, "dijo el Dr. Ingo Waldmann (UCL de Física y Astronomía), autor principal y subdirector del Centro de Datos Espaciales y Exoplanetas de la UCL.
"Esto nos da el potencial de analizar los fenómenos atmosféricos en grandes áreas y desde diferentes ángulos de visión, y hacer nuevas asociaciones entre la forma de las características y las propiedades químicas y físicas que las crean ".
Inicialmente, PlanetNet busca en los datos signos de agrupamiento en la estructura de la nube y la composición del gas. Para áreas de interés, recorta los datos para eliminar las incertidumbres en los bordes y ejecuta un análisis paralelo de las propiedades espectrales y espaciales. Recombinar los dos flujos de datos, PlanetNet crea un mapa que presenta de forma rápida y precisa los principales componentes de las tormentas de Saturno con una precisión sin precedentes.
La precisión de PlanetNet ha sido validada con datos de Cassini no incluidos en la fase de entrenamiento. Todo el conjunto de datos también se ha rotado y vuelto a muestrear para crear datos "sintéticos" para realizar más pruebas. PlanetNet ha logrado una precisión de clasificación superior al 90% en ambos casos de prueba.
"PlanetNet nos permite analizar volúmenes de datos mucho mayores, y esto da una idea de la dinámica a gran escala de Saturno, "dijo la profesora Caitlin Griffith (Universidad de Arizona), quien es coautor de este artículo. "Los resultados revelan características atmosféricas que antes no se habían detectado. PlanetNet se puede adaptar fácilmente a otros conjuntos de datos y planetas, convirtiéndolo en una herramienta potencial invaluable para muchas misiones futuras ".
