მზის ტელესკოპს რთული სამუშაო აქვს. მზის დაკვირვება ზარალდება მზის ნაწილაკების გაუთავებელი ნაკადის და მზის ინტენსიური შუქის მუდმივ დაბომბვას. დროთა განმავლობაში მზის ტელესკოპების მგრძნობიარე ლინზები და სენსორები იწყებენ ნგრევას. ასეთი ინსტრუმენტების მიერ გაგზავნილი მონაცემების სიზუსტის უზრუნველსაყოფად, მეცნიერები პერიოდულად ახდენენ კალიბრაციას, რათა დარწმუნდნენ, რომ ესმით, როგორ იცვლება ინსტრუმენტი.
NASA Solar Dynamics Observatory გაიხსნა 2010 წელს, ან ს.დ.ო, უკვე 10 წელზე მეტია აწვდის მზის მაღალი გარჩევადობის სურათებს. ამ სურათებმა მეცნიერებს დეტალურად შეხედეს მზის სხვადასხვა ფენომენს, რამაც შეიძლება გამოიწვიოს კოსმოსური ამინდი და გავლენა მოახდინოს ჩვენს ასტრონავტებზე და ტექნოლოგიაზე დედამიწაზე და კოსმოსში. ატმოსფერული გამოსახულების ასამბლეა, ან AIA, არის SDO-ს ორი გამოსახულების ინსტრუმენტიდან ერთ-ერთი, რომელიც მუდმივად უყურებს მზეს და იღებს სურათებს ულტრაიისფერი სინათლის 10 ტალღის სიგრძეში ყოველ 12 წამში. ეს აწარმოებს უზარმაზარ ინფორმაციას მზის შესახებ, მაგრამ, როგორც მზის დაკვირვების ყველა ინსტრუმენტი, AIA დროთა განმავლობაში იშლება და მონაცემები ხშირად უნდა დაკალიბრდეს.
SDO-ს გაშვების დღიდან მეცნიერებმა გამოიყენეს ხმოვანი რაკეტები AIA-ს დასაკალიბრებლად, ეს არის პატარა რაკეტები, რომლებიც, როგორც წესი, ატარებენ მხოლოდ რამდენიმე ინსტრუმენტს და ახორციელებენ მოკლე კოსმოსურ ფრენებს - დაახლოებით 15 წუთის განმავლობაში - ისინი დაფრინავენ დედამიწის ატმოსფეროს უმეტეს ნაწილზე, რაც საშუალებას აძლევს ბორტზე მყოფ ინსტრუმენტებს იხილეთ ულტრაიისფერი ტალღების სიგრძე, რომელიც იზომება AIA-ს მიერ. სინათლის ეს ტალღის სიგრძე შეიწოვება დედამიწის ატმოსფეროში და მისი გაზომვა შეუძლებელია მიწიდან. AIA-ს დასაკალიბრებლად, მეცნიერებმა დაამაგრეს ულტრაიისფერი ტელესკოპი ხმოვან რაკეტას და შეადარეს ეს მონაცემები AIA-ს გაზომვებს.
ჟღერადობის რაკეტის კალიბრაციის მეთოდს აქვს მთელი რიგი უარყოფითი მხარეები. რაკეტები შეიძლება არ გაუშვან ისე ხშირად, როდესაც AIA მუდმივად უყურებს მზეს. ეს ნიშნავს, რომ ზონდის რაკეტის თითოეულ კალიბრაციას შორის არის შეფერხების პერიოდი, სადაც კალიბრაცია ოდნავ გამორთულია.
NASA-ს ვირტუალური კალიბრაცია
ამ პრობლემების გათვალისწინებით, მეცნიერებმა გადაწყვიტეს განეხილათ მოწყობილობის კალიბრაციის სხვა ვარიანტები მუდმივი კალიბრაციის მიზნით. მანქანათმცოდნეობა, ტექნიკა, რომელიც გამოიყენება ხელოვნურ ინტელექტში, იდეალურად ჯდება. როგორც სახელი გვთავაზობს, მანქანათმცოდნეობა მოითხოვს კომპიუტერულ პროგრამას ან ალგორითმს, რათა ისწავლოს დავალების შესრულება.
პირველ რიგში, მკვლევარებს უნდა მოემზადებინათ მანქანური სწავლების ალგორითმი მზის სტრუქტურების ამოცნობისა და მათი შედარებისთვის AIA მონაცემების გამოყენებით. ამისათვის ისინი ალგორითმს აწვდიან რაკეტის ხმოვანი კალიბრაციის ფრენების დროს მიღებულ სურათებს და ეუბნებიან, რამდენი კალიბრაცია სჭირდებათ. ამ მაგალითების საკმარისი რაოდენობის შემდეგ, ისინი აძლევენ ალგორითმს მსგავს სურათებს და ხედავენ თუ არა მას შეუძლია განსაზღვროს საჭირო კალიბრაცია. საკმარისი მონაცემების გათვალისწინებით, ალგორითმი სწავლობს განსაზღვროს რამდენი კალიბრაციაა საჭირო თითოეული სურათისთვის.
იმის გამო, რომ AIA მზეს უყურებს სინათლის სხვადასხვა ტალღის სიგრძეში, მკვლევარებს ასევე შეუძლიათ გამოიყენონ ალგორითმი კონკრეტული სტრუქტურების შესადარებლად სხვადასხვა ტალღის სიგრძეზე და უფრო ზუსტი შეფასებების გაკეთება.
მათ პირველად ასწავლეს ალგორითმი, თუ როგორ გამოიყურება მზის აფეთქება, აჩვენებდნენ მას მზის ანთებებს AIA-ს ყველა ტალღის სიგრძეზე, სანამ ის არ აღიარებდა მზის ანთებებს ყველა სხვადასხვა ტიპის შუქზე. მას შემდეგ, რაც პროგრამამ ამოიცნო მზის აფეთქება ყოველგვარი დეგრადაციის გარეშე, ალგორითმმა შეძლო დაედგინა, რამდენად ახდენდა დეგრადაცია გავლენას AIA-ს მიმდინარე სურათებზე და რამდენი კალიბრაცია იყო საჭირო თითოეულისთვის.
"ეს იყო დიდი მოვლენა", - თქვა დოქტორმა ლუის დოს სანტოსმა. იმის ნაცვლად, რომ მხოლოდ ერთი და იგივე ტალღის სიგრძეზე დავადგინოთ ისინი, ჩვენ ვადგენთ სტრუქტურებს სხვადასხვა ტალღის სიგრძეზე. ეს ნიშნავს, რომ მკვლევარებს შეუძლიათ უფრო დარწმუნებულნი იყვნენ ალგორითმის მიერ განსაზღვრულ კალიბრაციაში. მართლაც, მათი ვირტუალური კალიბრაციის მონაცემების ჟღერადობის რაკეტების კალიბრაციის მონაცემებთან შედარებისას, მანქანათმცოდნეობის პროგრამა პირველ ადგილზე აღმოჩნდა. ამ ახალი პროცესით, მეცნიერები მზად არიან მუდმივად დაკალიბრონ AIA-ს სურათები კალიბრაციის რაკეტების ფრენებს შორის, რაც გაზრდის SDO მონაცემების სიზუსტეს მკვლევრებისთვის.
ასევე წაიკითხეთ: