Un equipo del Laboratorio de Desarrollo Fronterizo de la NASA (FDL) ha demostrado que al usar el aprendizaje profundo, es posible monitorear virtualmente la irradiancia ultravioleta extrema (EUV) del Sol, que es un impulsor clave del clima espacial. El sol es vital para la supervivencia, pero llamaradas solares, que suelen ocurrir algunas veces al año, tienen el potencial de causar graves alteraciones en el espacio y en la Tierra. Estas interrupciones pueden afectar a las naves espaciales, satélites e incluso sistemas aquí en la Tierra, incluida la navegación GPS, comunicaciones por radio y la red eléctrica. El aprendizaje profundo puede ayudar a sacar más provecho de nuestra capacidad actual para monitorear el Sol al proporcionar instrumentos virtuales para complementar los dispositivos físicos. Esta investigación se publicará en Avances de la ciencia el 2 de octubre 2019 ("Un instrumento virtual de aprendizaje profundo para monitorear la irradiancia espectral ultravioleta extrema solar").

"Nuestra investigación muestra cómo se puede entrenar una red neuronal profunda para imitar un instrumento en el Observatorio de Dinámica Solar (SDO), ", dijo el miembro del equipo FDL y coautor Alexander Szenicer (Universidad de Oxford)." Al inferir qué niveles de radiación ultravioleta habría detectado ese sensor en función de lo que los otros instrumentos en SDO están observando en un momento dado, demostramos que es posible aumentar la productividad científica de las misiones de la NASA y aumentar nuestra capacidad para monitorear las fuentes solares del clima espacial ".

FDL es una asociación entre el Centro de Investigación Ames de la NASA, el Instituto SETI y los socios de agencias espaciales y del sector privado, incluido Google Cloud, IA de Intel, IBM, Kx Lockheed Martin, Agencia Espacial de Luxemburgo, NVIDIA, Agencia Espacial Canadiense, HPE y Element AI. Durante un acelerador de investigación de verano de 8 semanas, Los equipos interdisciplinarios compuestos por investigadores de carrera temprana en los dominios de la inteligencia artificial y las ciencias naturales trabajan juntos para aplicar la inteligencia artificial y el aprendizaje automático para abordar importantes preguntas de desafío. La pregunta de desafío detrás de esta investigación fue desarrollar un modelo de IA utilizando imágenes SDO para predecir la irradiancia espectral solar.

Tradicionalmente, Los métodos para monitorear la irradiancia espectral de EUV solar incluyen modelos inspirados en la física que intentan predecir la emisión de EUV. Dichos métodos utilizan distribuciones de campo magnético en la superficie del Sol o inversiones basadas en la física de la distribución del plasma en la corona del Sol.

Estos nuevos resultados muestran que es posible utilizar observaciones de imágenes del Sol para crear una medición proxy de la irradiancia espectral EUV. La alimentación de imágenes coronales del SDO de la NASA a una red neuronal profunda nos permite generar mediciones de EUV proxy con una precisión que supera los modelos basados ​​en la física.

Adicionalmente, el equipo desarrolló puntos de referencia y protocolos para comparar predicciones entre modelos EUV. Estos serán útiles para estudios futuros. Hasta ahora, La investigación apenas ha arañado la superficie sobre lo que es factible al combinar el aprendizaje profundo con datos espaciales científicos a gran escala. La ciencia de datos y el aprendizaje automático desempeñarán un papel cada vez más importante en nuestro esfuerzo por comprender los orígenes del clima espacial y cómo vivir con el Sol.