กล้องโทรทรรศน์พลังงานแสงอาทิตย์มีงานที่ยากลำบาก การสังเกตดวงอาทิตย์ส่งผลกระทบต่อการทิ้งระเบิดอย่างต่อเนื่องของอนุภาคสุริยะและแสงแดดที่รุนแรง เมื่อเวลาผ่านไป เลนส์ที่ละเอียดอ่อนและเซ็นเซอร์ของกล้องโทรทรรศน์สุริยะจะเริ่มสลายตัว เพื่อให้มั่นใจในความถูกต้องของข้อมูลที่ส่งโดยเครื่องมือดังกล่าว นักวิทยาศาสตร์จะทำการปรับเทียบใหม่เป็นระยะเพื่อให้แน่ใจว่าเข้าใจการเปลี่ยนแปลงของเครื่องมือ
หอสังเกตการณ์ NASA Solar Dynamics Observatory เปิดขึ้นในปี 2010 หรือ S.D.O, ให้บริการภาพความละเอียดสูงของดวงอาทิตย์มานานกว่า 10 ปี ภาพเหล่านี้ทำให้นักวิทยาศาสตร์ได้ศึกษารายละเอียดเกี่ยวกับปรากฏการณ์สุริยะต่างๆ ที่อาจก่อให้เกิดสภาพอากาศในอวกาศ และส่งผลกระทบต่อนักบินอวกาศและเทคโนโลยีของเราบนโลกและในอวกาศ Atmospheric Imager Assembly หรือ AIA เป็นหนึ่งในสองเครื่องมือสร้างภาพบน SDO ที่มองดวงอาทิตย์อย่างต่อเนื่อง โดยถ่ายภาพในความยาวคลื่น 10 ช่วงของแสงอัลตราไวโอเลตทุกๆ 12 วินาที สิ่งนี้สร้างข้อมูลจำนวนมหาศาลเกี่ยวกับดวงอาทิตย์ แต่เช่นเดียวกับเครื่องมือสังเกตการณ์สุริยะทั้งหมด เอไอเอจะเสื่อมโทรมลงเมื่อเวลาผ่านไป และข้อมูลจะต้องได้รับการสอบเทียบบ่อยครั้ง
นับตั้งแต่เปิดตัว SDO นักวิทยาศาสตร์ได้ใช้จรวดที่ส่งเสียงเพื่อสอบเทียบ AIA ซึ่งเป็นจรวดขนาดเล็กที่โดยทั่วไปจะพกเครื่องมือเพียงไม่กี่ชิ้นและทำการบินในอวกาศสั้น ๆ ประมาณ 15 นาที พวกมันบินเหนือชั้นบรรยากาศส่วนใหญ่ของโลก ทำให้เครื่องมือบนเรือสามารถ ดูความยาวคลื่นอัลตราไวโอเลต วัดโดยเอไอเอ ความยาวคลื่นของแสงเหล่านี้ถูกดูดซับโดยชั้นบรรยากาศของโลกและไม่สามารถวัดได้จากพื้นดิน ในการปรับเทียบเอไอเอ นักวิทยาศาสตร์ได้ติดกล้องโทรทรรศน์อัลตราไวโอเลตกับจรวดที่ส่งเสียง และเปรียบเทียบข้อมูลนั้นกับการวัดของเอไอเอ
วิธีการสอบเทียบจรวดที่ทำให้เกิดเสียงมีข้อเสียหลายประการ จรวดอาจไม่ยิงบ่อยเท่าเมื่อเอไอเอมองดวงอาทิตย์อยู่ตลอดเวลา ซึ่งหมายความว่าระหว่างการสอบเทียบแต่ละครั้งของจรวดโพรบจะมีช่วงการหยุดทำงานซึ่งการสอบเทียบจะดับลงเล็กน้อย
NASA Virtual Calibration
เมื่อคำนึงถึงปัญหาเหล่านี้ นักวิทยาศาสตร์จึงตัดสินใจพิจารณาตัวเลือกอื่นๆ ในการปรับเทียบอุปกรณ์เพื่อการสอบเทียบแบบถาวร แมชชีนเลิร์นนิงซึ่งเป็นเทคนิคที่ใช้ในปัญญาประดิษฐ์ดูเหมือนจะเหมาะสมที่สุด ตามชื่อที่แนะนำ แมชชีนเลิร์นนิงต้องการโปรแกรมคอมพิวเตอร์หรืออัลกอริทึมเพื่อเรียนรู้วิธีการทำงาน
ขั้นแรก นักวิจัยต้องฝึกอัลกอริธึมแมชชีนเลิร์นนิงเพื่อจำแนกโครงสร้างพลังงานแสงอาทิตย์และเปรียบเทียบโดยใช้ข้อมูลของเอไอเอ ในการทำเช่นนี้ พวกเขาได้จัดเตรียมอัลกอริธึมด้วยภาพที่ได้รับระหว่างการบินสอบเทียบเสียงของจรวด และบอกจำนวนการปรับเทียบที่พวกเขาต้องการ หลังจากตัวอย่างเหล่านี้เพียงพอแล้ว พวกเขาจะป้อนรูปภาพที่คล้ายกันของอัลกอริทึมและดูว่าสามารถระบุการปรับเทียบที่ต้องการได้หรือไม่ เมื่อได้รับข้อมูลที่เพียงพอ อัลกอริธึมจะเรียนรู้เพื่อกำหนดว่าแต่ละภาพต้องมีการปรับเทียบมากน้อยเพียงใด
เนื่องจากเอไอเอมองดวงอาทิตย์ด้วยความยาวคลื่นแสงที่แตกต่างกัน นักวิจัยจึงสามารถใช้อัลกอริธึมเพื่อเปรียบเทียบโครงสร้างเฉพาะที่ความยาวคลื่นต่างกันและทำการประมาณการที่แม่นยำยิ่งขึ้น
ขั้นแรกพวกเขาได้สอนอัลกอริทึมว่าเปลวไฟจากแสงอาทิตย์มีลักษณะอย่างไรโดยแสดงแสงแฟลร์ที่ความยาวคลื่นของ AIA ทั้งหมดจนกระทั่งมันรับรู้ถึงเปลวสุริยะในแสงประเภทต่างๆ ทั้งหมด เมื่อโปรแกรมรับรู้แสงแฟลร์จากแสงอาทิตย์โดยไม่มีการเสื่อมสลายใดๆ อัลกอริธึมก็สามารถระบุได้ว่าการเสื่อมสภาพส่งผลกระทบต่อภาพ AIA ในปัจจุบันมากน้อยเพียงใด และแต่ละภาพต้องมีการปรับเทียบมากน้อยเพียงใด
“มันเป็นงานใหญ่” ดร.หลุยส์ ดอส ซานโตสกล่าว "แทนที่จะระบุแค่ความยาวคลื่นเดียวกัน เราระบุโครงสร้างที่ความยาวคลื่นต่างกัน" ซึ่งหมายความว่านักวิจัยสามารถมั่นใจได้มากขึ้นในการสอบเทียบที่กำหนดโดยอัลกอริทึม อันที่จริง เมื่อเปรียบเทียบข้อมูลการสอบเทียบเสมือนกับข้อมูลการสอบเทียบจรวดที่ส่งเสียง โปรแกรมการเรียนรู้ของเครื่องได้รับการพิสูจน์แล้วว่าอยู่ด้านบนสุด ด้วยกระบวนการใหม่นี้ นักวิทยาศาสตร์พร้อมที่จะปรับเทียบภาพ AIA อย่างต่อเนื่องระหว่างการบินของจรวดสอบเทียบ เพิ่มความแม่นยำของข้อมูล SDO สำหรับนักวิจัย
อ่าน: