Data science

NASA ใช้ AI เพื่อปรับปรุงการถ่ายภาพสุริยะ

ในช่วงหลายปีที่ผ่านมา 11 ยานอวกาศ Solar Dynamics Observatory (SDO) ของ NASA ได้รับการปลูกในวงโคจรรอบโลก โดยใช้ชุดเครื่องมือในการสังเกตดวงอาทิตย์อย่างละเอียด ภารกิจที่ขยายออกไปนี้สร้างความเสียหายให้กับยานอวกาศอย่างมหาศาล และตอนนี้ NASA กำลังใช้ AI เพื่อแก้ไขภาพเพื่อชดเชยความเสียหายนั้น SDO ได้เพิ่มการดำรงตำแหน่งของภารกิจห้าปีเดิมมากกว่าสองเท่าแล้ว เมื่อเวลาผ่านไป แสงแดดที่จัดจ้านเป็นพิเศษได้ทำให้เลนส์และเซ็นเซอร์ของอุปกรณ์ถ่ายภาพของยานอวกาศบกพร่อง หนึ่งในนั้นคือ Atmospheric Imagery Assembly (AIA) มีหน้าที่จับภาพรังสีอัลตราไวโอเลตทุกๆ 12 วินาที ความเสียหายจากดวงอาทิตย์ทีละน้อยที่เกิดขึ้นกับ AIA จำเป็นต้องมีการสอบเทียบเป็นประจำ ซึ่งทำได้โดยใช้จรวดส่งเสียงที่บินสูงสู่ชั้นบรรยากาศและวัดความยาวคลื่น UV เดียวกันกับ AIA การวัดเหล่านั้น เมื่อส่งกลับไปยังนักวิจัยแล้ว สามารถนำไปเปรียบเทียบกับการวัดของ AIA และใช้เพื่อสร้างปัจจัยการแก้ไขสำหรับข้อมูล AIA ภาพเอไอเอของดวงอาทิตย์ก่อน (ซ้าย) และหลัง (ขวา) แก้ไขจากการปรับเทียบจรวดที่ส่งเสียง ได้รับความอนุเคราะห์จาก NASA แน่นอนว่า NASA ไม่ได้ส่งจรวดที่ส่งเสียงทุกวัน ดังนั้นระหว่างการปล่อยจรวด การสอบเทียบเสมือนจริงจึงเป็นสิ่งจำเป็น ด้วยเหตุนี้ NASA จึงหันมาใช้แมชชีนเลิร์นนิง NASA ฝึกโมเดลแมชชีนเลิร์นนิงด้วยข้อมูลที่ติดป้ายกำกับจากเที่ยวบินสอบเทียบจรวดและ AIA ซึ่งช่วยให้อัลกอริทึมเรียนรู้ว่าการสอบเทียบจำเป็นมากเพียงใดสำหรับการอ่านที่กำหนด และตามที่นักวิจัยกล่าวไว้ การสอบเทียบเสมือนดำเนินการตรงตามที่ตั้งใจไว้ เพื่อให้ได้ผลลัพธ์ที่แม่นยำ ความสามารถในการอนุมานการแก้ไขเหล่านี้เป็นสิ่งสำคัญสำหรับแอปพลิเคชันอื่นๆ เช่นกัน Luiz Dos Santos นักฟิสิกส์พลังงานแสงอาทิตย์จาก Goddard Space Flight Center ของ NASA และผู้เขียนบทนำในบทความนี้ ให้สัมภาษณ์กับ Susannah Darling ของ NASA ว่า “สิ่งสำคัญสำหรับภารกิจในห้วงอวกาศซึ่งไม่มีทางเลือกในการสอบเทียบจรวดก็สำคัญเช่นกัน “เรากำลังแก้ปัญหาสองอย่างพร้อมกัน” อัลกอริธึมนี้ยังถูกใช้เพื่อทำให้การสังเกตการณ์ของเอไอเอแข็งแกร่งขึ้น โดยนักวิจัยใช้การเรียนรู้ของเครื่องเพื่อสอนเอไอเอว่าเปลวสุริยะมีลักษณะอย่างไรในช่วงความยาวคลื่นหลายช่วง “นี่เป็นเรื่องใหญ่” ดอส ซานโตส กล่าว “แทนที่จะระบุเพียงความยาวคลื่นเดียวกัน เรากำลังระบุโครงสร้างตามความยาวคลื่น” เกี่ยวกับการวิจัย งานวิจัยที่กล่าวถึงในบทความนี้ได้รับการตีพิมพ์เป็น “การปรับเทียบอัตโนมัติหลายช่องสำหรับแอสเซมบลีการถ่ายภาพบรรยากาศโดยใช้การเรียนรู้ของเครื่อง” ในฉบับเดือนธันวาคม 2020 ของดาราศาสตร์และฟิสิกส์ดาราศาสตร์ เขียนโดย Luiz FG Dos Santos, Souvik Bose, Valentina Salvatelli, Brad Neuberg, Mark CM Cheung, Miho Janvier, Meng Jin, Yarin Gal, Paul Boerner และ Atılım Güneş Baydin ต้องการอ่านเอกสารคลิกที่นี่

  • บ้าน
  • Business
  • Data science
  • Marketing
  • Leave a Reply

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

    Back to top button