INTELIGENCIA ARTIFICIAL PARA ESTUDIAR EL SOL

Inteligencia artificial para estudiar el Sol

Comparta este Artículo en:

Científicos de la Universidad de Graz y del Observatorio Solar de Kanzelhöhe (Austria) y sus colegas del Instituto de Ciencia y Tecnología de Skolkovo (Skoltech) desarrollaron un nuevo método basado en el aprendizaje profundo para la clasificación y cuantificación estables de la calidad de las imágenes solares tomadas desde tierra.

Los resultados de la investigación se publicaron en la revista & Astrophysics.

El Sol es la única estrella donde podemos discernir los detalles de la superficie y estudiar el plasma en condiciones extremas.

La superficie solar y las capas atmosféricas están fuertemente influenciadas por el campo magnético emergente.

Características como manchas solares, filamentos, bucles coronales, etc., son una consecuencia directa de la distribución de los campos magnéticos en el Sol, lo que desafía nuestra comprensión actual de estos fenómenos.

Las erupciones solares y las eyecciones de masa coronal son el resultado de una repentina liberación de la energía magnética libre almacenada en los fuertes campos asociados con las manchas solares.

Son los eventos más energéticos en nuestro sistema solar y tienen un impacto directo en el sistema Sol-Tierra llamado “clima espacial”.

La sociedad moderna depende en gran medida de la tecnología espacial y terrestre, que es muy vulnerable a los eventos peligrosos del clima espacial.

La vigilancia continua del Sol es pues esencial para comprender y predecir mejor los fenómenos solares y la interacción de las erupciones solares con la magnetosfera y la atmósfera de la Tierra.

En los últimos decenios, la física solar ha entrado en la era de los grandes datos, y las grandes cantidades de datos que producen constantemente los observatorios terrestres y espaciales ya no pueden ser analizados por observadores humanos únicamente.

Los telescopios terrestres están posicionados alrededor del globo para proporcionar un monitoreo continuo del Sol, independientemente del horario y de las condiciones climáticas locales.

They are also used to cure benign prostatic hyperplasia is weak. levitra samples valsonindia.com It holds the same dynamic part as cheap no prescription cialis valsonindia.com – Sildenafil. Sildenafil citrate made Kamagra more efficient and more comfortable that get viagra sample those of the past. This increased blood flow helps men cheap levitra uk maintain quality of erection for sex.

La atmósfera de la Tierra impone las más fuertes limitaciones a las observaciones solares, ya que las nubes pueden ocultar el disco solar y las fluctuaciones del aire pueden causar imágenes borrosas.

Para seleccionar las mejores imágenes de múltiples observaciones simultáneas y detectar las degradaciones de calidad locales, se requiere una evaluación objetiva de la calidad de la imagen.

Como humanos, evaluamos la calidad de una imagen real comparándola con una imagen de referencia ideal del Sol.

Por ejemplo, una imagen con una nube delante del disco solar, una gran desviación de nuestra imagen perfecta, sería etiquetada como una imagen de muy baja calidad, mientras que las fluctuaciones menores no son tan críticas cuando se trata de calidad.

Las métricas de calidad convencionales luchan por proporcionar un puntaje de calidad independiente de las características solares y típicamente no toman en cuenta las nubes“, dice Tatiana Podladchikova, una profesora asistente del Centro Espacial Skoltech (SSC) y coautora de la investigación.

En su reciente estudio, los investigadores utilizaron la inteligencia artificial (IA) para lograr una evaluación de la calidad similar a la de la interpretación humana.

Emplearon una red neuronal para conocer las características de las imágenes de alta calidad y estimar la desviación de las observaciones reales de una referencia ideal.

En nuestro estudio, aplicamos el método a las observaciones del Observatorio Kanzelhöhe para la Investigación Solar y Ambiental y demostramos que concuerda con las observaciones humanas en el 98,5% de los casos.

Tras su aplicación en días de observación completos sin filtrar, encontramos que la red neural identifica correctamente todas las degradaciones de calidad fuertes y nos permite seleccionar las mejores imágenes, lo que resulta en una serie de observación más fiable.

Esto también es importante para los futuros telescopios de la red, donde las observaciones de múltiples sitios deben ser filtradas y combinadas en tiempo real“, dice Robert Jarolim, un científico investigador de la Universidad de Graz y el primer autor del estudio.

En la actualidad, los autores están perfeccionando sus métodos de procesamiento de imágenes para proporcionar un flujo continuo de datos de la mayor calidad posible y están desarrollando un software de detección automatizada para el seguimiento continuo de la actividad solar.

Fuente: Noticias de la Ciencia

Leave a Reply

Your email address will not be published. Required fields are marked *