Künstliche Intelligenz kann Löcher in der Korona der Sonne entdecken

Künstliche Intelligenz kann Löcher in der Korona der Sonne entdecken
Künstliche Intelligenz kann Löcher in der Korona der Sonne entdecken
Anonim

Forscher schufen ein konvolutionelles neuronales Netzwerk, das koronale Löcher im oberen Teil der Sonnenatmosphäre erkennen konnte. Die von der KI gefundenen Löcher stimmten gut mit dem überein, was Astronomen manuell gefunden haben.

Künstliche Intelligenz kann Löcher in der Korona der Sonne entdecken
Künstliche Intelligenz kann Löcher in der Korona der Sonne entdecken

Jarolim et al. 2021

Viele Aufgaben werden von neuronalen Netzen schneller gelöst als Menschen. Das neue Programm ist beispielsweise in der Lage, koronale Löcher in Bildern und Magnetkarten mit einer Genauigkeit von mehr als 98 % schnell zu finden

Extreme ultraviolette Wellenlängen (EUV) können Löcher in der Korona der Sonne erkennen. Diese Löcher sind kälter und weniger dicht als das umgebende Material in der Korona und enth alten viele kleinere magnetische Wirbel. Diese Trichter „münden“in die Photosphäre des Sterns und erstrecken sich weit in den interplanetaren Raum. Entlang dieser Magnetfeldlinien wird das Sonnenplasma beschleunigt, wodurch ein Sonnenwind entsteht, der bei Wechselwirkung mit der Magnetosphäre der Erde starke geomagnetische Stürme verursachen kann.

Heute werden die Formen, Größen und Positionen von koronalen Löchern manuell anhand von EUV-Bildern der Sonne bestimmt. Dies ist ein komplexer Prozess, sowohl wegen der starken Schwankungen der koronalen Helligkeit während des 11-jährigen Aktivitätszyklus der Sonne als auch weil koronale Löcher schwer von anderen dunklen Objekten wie Sonnenfilamenten zu unterscheiden sind.

Um diese Probleme zu lösen, haben Wissenschaftler ein neuronales Netzwerk namens CHRONNOS entwickelt. Es kann die Ränder von koronalen Löchern in Bildern erkennen, die bei mehreren unterschiedlichen Wellenlängen aufgenommen wurden. Darüber hinaus kann das Programm in Echtzeit Strukturen aus Karten des solaren Magnetfelds extrahieren. Beim Vergleich dieser Bilder "zeichnet" der Algorithmus die Grenzen der koronalen Löcher entsprechend ihrer Intensität, Form und Eigenschaften des Magnetfelds.

Nachdem das neuronale Netzwerk trainiert wurde, untersuchte das Team damit 1.700 EUV-Bilder der Sonne, die von 2010 bis 2016 vom Solar Dynamics Observatory der NASA aufgenommen wurden. Von den 261 koronalen Löchern, die von Astronomen manuell in Bildern identifiziert wurden, konnte CHRONNOS 256 – 98,1 % aller Strukturen finden. Das neuronale Netz schnitt am besten ab, als es alle Bilder und Daten zur Verteilung von Magnetfeldern kombinierte. Darüber hinaus könnte das Programm koronale Löcher allein mit Magnetfeldkarten finden, die für Menschen viel schwieriger zu analysieren sind.

Der Artikel wird in der Zeitschrift Astronomy&Astrophysics veröffentlicht.

Empfohlen: