Một kính thiên văn năng lượng mặt trời có một công việc khó khăn. Việc quan sát Mặt trời phải gánh chịu sự bắn phá liên tục của một dòng hạt Mặt trời vô tận và ánh sáng mặt trời cường độ cao. Theo thời gian, các thấu kính và cảm biến nhạy cảm của kính thiên văn mặt trời bắt đầu bị hỏng. Để đảm bảo tính chính xác của dữ liệu được gửi bởi các thiết bị như vậy, các nhà khoa học định kỳ hiệu chuẩn lại để đảm bảo rằng họ hiểu được thiết bị đang thay đổi như thế nào.
Đài quan sát Động lực học Mặt trời của NASA được mở vào năm 2010, hoặc S.D.O, đã cung cấp hình ảnh có độ phân giải cao về Mặt trời trong hơn 10 năm. Những hình ảnh này đã cung cấp cho các nhà khoa học cái nhìn chi tiết về các hiện tượng mặt trời khác nhau có thể gây ra thời tiết không gian và ảnh hưởng đến các phi hành gia và công nghệ của chúng ta trên Trái đất và trong không gian. Máy chụp ảnh khí quyển, hay AIA, là một trong hai công cụ hình ảnh trên SDO liên tục nhìn vào Mặt trời, chụp ảnh ở 10 bước sóng ánh sáng cực tím cứ sau 12 giây. Điều này tạo ra một lượng lớn thông tin về Mặt trời, nhưng giống như tất cả các thiết bị quan sát Mặt trời, AIA suy giảm theo thời gian và dữ liệu phải được hiệu chỉnh thường xuyên.
Kể từ khi SDO ra mắt, các nhà khoa học đã sử dụng tên lửa âm thanh để hiệu chỉnh AIA, là những tên lửa nhỏ thường chỉ mang theo một số thiết bị và tạo ra các chuyến bay vũ trụ ngắn - khoảng 15 phút - chúng bay trên hầu hết bầu khí quyển của Trái đất, cho phép các thiết bị trên tàu xem bước sóng tử ngoại, đo bằng AIA. Các bước sóng ánh sáng này bị bầu khí quyển của Trái đất hấp thụ và không thể đo được từ mặt đất. Để hiệu chỉnh AIA, các nhà khoa học đã gắn một kính viễn vọng tia cực tím vào tên lửa định âm và so sánh dữ liệu đó với các phép đo AIA.
Phương pháp hiệu chuẩn tên lửa thủy âm có một số nhược điểm. Các tên lửa có thể không phóng thường xuyên khi AIA liên tục nhìn vào Mặt trời. Điều này có nghĩa là giữa mỗi lần hiệu chuẩn tên lửa thăm dò có một khoảng thời gian ngừng hoạt động mà hiệu chuẩn hơi bị tắt.
Hiệu chuẩn ảo của NASA
Lưu ý những vấn đề này, các nhà khoa học quyết định xem xét các lựa chọn khác để hiệu chuẩn thiết bị nhằm mục đích hiệu chuẩn vĩnh viễn. Học máy, một kỹ thuật được sử dụng trong trí tuệ nhân tạo, dường như là một sự phù hợp hoàn hảo. Như tên cho thấy, học máy yêu cầu một chương trình máy tính hoặc thuật toán để học cách thực hiện một tác vụ.
Đầu tiên, các nhà nghiên cứu phải đào tạo một thuật toán học máy để nhận ra các cấu trúc mặt trời và so sánh chúng bằng cách sử dụng dữ liệu AIA. Để thực hiện điều này, họ cung cấp cho thuật toán những hình ảnh thu được trong các chuyến bay hiệu chuẩn âm thanh của tên lửa và cho nó biết họ cần bao nhiêu lần hiệu chỉnh. Sau khi có đủ các ví dụ này, họ cung cấp các hình ảnh tương tự thuật toán và xem liệu nó có thể xác định hiệu chuẩn cần thiết hay không. Với đủ dữ liệu, thuật toán sẽ học cách xác định mức độ hiệu chuẩn cần thiết cho mỗi hình ảnh.
Vì AIA nhìn Mặt trời ở các bước sóng ánh sáng khác nhau, các nhà nghiên cứu cũng có thể sử dụng thuật toán để so sánh các cấu trúc cụ thể ở các bước sóng khác nhau và đưa ra các ước tính chính xác hơn.
Đầu tiên, họ đã dạy thuật toán về một tia sáng mặt trời trông như thế nào bằng cách cho nó thấy tia sáng mặt trời ở tất cả các bước sóng AIA cho đến khi nó nhận ra các tia sáng mặt trời ở tất cả các loại ánh sáng khác nhau. Sau khi chương trình nhận ra tia sáng mặt trời mà không có bất kỳ sự suy giảm nào, thuật toán có thể xác định mức độ suy giảm ảnh hưởng đến các hình ảnh AIA hiện tại và mức độ hiệu chỉnh cần thiết cho mỗi hình ảnh.
Tiến sĩ Louis Dos Santos nói: “Đó là một sự kiện lớn. "Thay vì chỉ xác định chúng ở cùng một bước sóng, chúng tôi xác định các cấu trúc ở các bước sóng khác nhau." Điều này có nghĩa là các nhà nghiên cứu có thể tin tưởng hơn vào hiệu chuẩn được xác định bởi thuật toán. Thật vậy, khi so sánh dữ liệu hiệu chuẩn ảo của họ với dữ liệu hiệu chuẩn tên lửa âm thanh, chương trình máy học đã tỏ ra đứng đầu. Với quy trình mới này, các nhà khoa học đã sẵn sàng hiệu chỉnh liên tục hình ảnh AIA giữa các chuyến bay của tên lửa hiệu chuẩn, tăng độ chính xác của dữ liệu SDO cho các nhà nghiên cứu.
Đọc thêm: