Разделы

Цифровизация Искусственный интеллект

Искусственный интеллект помог «навести порядок» в наблюдениях за Солнцем

Ученые разработали метод глубокого обучения, объединивший десятилетия разрозненных наблюдений за Солнцем в единую детализированную модель. Алгоритм корректирует погрешности инструментов, компенсирует их ограничения и позволяет взглянуть на нашу звезду в новом свете. Об этом CNews сообщили представители «Сколтеха».

Солнечные телескопы постоянно совершенствуются, что позволяет получать все более детальные изображения Солнца. Однако с появлением очередного поколения этих приборов возникает и новая проблема — учет различий в получаемых данных: сравнивать самые последние наблюдения и исторические, охватывающие порой несколько десятилетий, становится все труднее. Кроме того, из-за несоответствий в разрешении, калибровке приборов и качестве данных возникают сложности при изучении долговременных изменений на Солнце и редких солнечных явлений.

Ученые из Грацского университета в Австрии и их коллеги из Сколковского института науки и технологий («Сколтех») в России и Высокогорной обсерватории Национального центра атмосферных исследований США (HAO NSF NCAR) разработали новую систему методов глубокого обучения (Instrument-To-Instrument translation — ITI), которая помогает решить проблему различий между историческими и новыми наблюдениями. Результаты исследования опубликованы в журнале Nature Communications.

«Используя генеративные состязательные сети, мы разработали метод, позволяющий транслировать данные наблюдений за Солнцем с одного прибора на другой, даже если эти приборы никогда не использовались одновременно», — сказал сотрудник Высокогорной обсерватории Национального центра атмосферных исследований США и первый автор исследования Роберт Яролим. С помощью предложенного метода система на базе ИИ способна выявлять и переносить свойства самых последних наблюдений на более старые данные.

Архитектура модели основана на двух соперничающих нейросетях: первая искусственно ухудшает качество изображений, вторая — восстанавливает их до эталонного уровня. Методика использует реальные наблюдения, точно моделируя специфические искажения каждого инструмента. Обученная таким образом система преобразует старые зашумленные данные в изображения высокого разрешения, сопоставимые с современными космическими наблюдениями. При этом алгоритм сохраняет все физически значимые детали, что критически важно для научного анализа долгосрочной эволюции Солнца.

Как власти сэкономят 109 млрд руб. на создании инфраструктуры для дронов и обеспечении защиты от них
Техника

Предложенная методика была опробована на нескольких наборах данных: так, с ее помощью удалось объединить данные за 24 года космических наблюдений, повысить разрешение снимков полного диска Солнца, снизить атмосферный шум в изображениях Солнца, полученных с Земли, и даже оценить величину магнитных полей на дальней стороне Солнца с использованием только данных наблюдений в экстремальном ультрафиолете.

«ИИ не может заменить реальные наблюдения, но он может помочь извлечь максимум полезной информации из уже существующих данных, — сказал Яролим. — В этом ключевая практическая ценность нашего метода». Совмещая современные высококачественные наблюдения с историческими данными, алгоритм создает единую согласованную картину. Такой подход не просто улучшает старые снимки — он открывает новые возможности для изучения долгосрочной эволюции Солнца.

«Этот проект наглядно показывает, как современные вычисления могут вдохнуть новую жизнь в архивные данные, — сказала соавтор исследования, директор Центра системного проектирования «Сколтеха», доцент «Сколтеха» Татьяна Подладчикова. — Наша работа выходит за рамки простого улучшения старых изображений: мы создаем универсальный язык для изучения эволюции Солнца. Благодаря высокопроизводительным вычислениям «Сколтеха», мы обучили ИИ-модели, которые выявляют скрытые взаимосвязи в десятилетиях солнечных наблюдений, обнаруживая закономерности в масштабе нескольких солнечных циклов. В конечном счете мы строим будущее, где каждое наблюдение — прошлое или будущее — будет говорить на едином научном языке».