ИИ классифицирует изображения полярных сияний

Выборка изображений из базы данных Oslo Aurora THEMIS (OATH). Слева направо, вручную, указаны метки “Дуга”, “Рассеянный”, “Дискретный”, “Облачный”, “Лунный”, “Чистый”. Обратите внимание, что эти изображения являются изображениями ложных цветов; они были преобразованы в RGB с информацией об интенсивности, записанной в зеленом канале. Это необходимый тип данных для модели, используемой в (L. B. Clausen & Nickisch, 2018a), и мы придерживаемся этого формата для обеспечения согласованности. Автор: Журнал геофизических исследований: машинное обучение и вычисления (2024). DOI: 10.1029/2024JH000292

Северное сияние известно потрясающим зрелищем света в ночном небе, но это околоземное явление, вызванное взрывной активностью на Солнце и переносимое солнечным ветром, также может нарушить жизненно важные коммуникации и инфраструктуру безопасности на Земле. Используя искусственный интеллект, исследователи из Университета Нью-Гэмпшира классифицировали и обозначили самую большую в истории базу данных изображений полярных сияний, которая может помочь ученым лучше понять и спрогнозировать разрушительные геомагнитные бури.

В ходе исследования, недавно опубликованного в журнале Geophysical Research: Machine Learning and Computation, были разработаны инструменты искусственного интеллекта и машинного обучения, которые смогли успешно идентифицировать и классифицировать более 706 миллионов изображений полярных сияний в наборе данных НАСА «История событий и макромасштабных взаимодействий во время суббурь» (THEMIS), собранных двумя космическими аппаратами-близнецами. изучение космической среды вокруг Земли. THEMIS предоставляет изображения ночного неба каждые три секунды от заката до восхода солнца с 23 различных станций по всей Северной Америке.

"Массивный набор данных является ценным ресурсом, который может помочь исследователям понять, как солнечный ветер взаимодействует с магнитосферой Земли, защитным пузырем, который защищает нас от заряженных частиц, исходящих от Солнца", - сказал Джереми Джонсон, доцент кафедры прикладной инженерии и естественных наук и ведущий автор исследования. - Но до сих пор его огромный размер ограничивал эффективность использования этих данных".

Исследователи создали новый алгоритм для сортировки изображений всего неба, полученных системой THEMIS (ASI) с 2008 по 2022 год, и эффективного их комментирования с использованием шести различных категорий - дуговые, рассеянные, дискретные, облачные, лунные и ясные / без полярных сияний, что упрощает фильтрацию, сортировку и извлечение ценной информации.

"База данных labeled могла бы дать более глубокое представление о динамике полярных сияний, но на самом базовом уровне мы стремились организовать базу данных изображений всего неба THEMIS таким образом, чтобы содержащийся в ней огромный объем исторических данных мог быть использован исследователями более эффективно и обеспечить достаточно большую выборку для будущих исследований", - сказал Джонсон.

В число соавторов исследования входят Эми Кизи, доцент кафедры физики и астрономии в Центре космических исследований UNH; Догаджан Су Озтюрк, Дональд Хэмптон и Мэтью Бландин, все из Университета Аляски в Фэрбенксе; и Хенджу Коннор из Центра космических полетов имени Годдарда НАСА.

Дополнительная информация: Джереми У. Джонсон и др., Автоматическое обнаружение и классификация полярных сияний на изображениях THEMIS All‐Sky, Журнал геофизических исследований: машинное обучение и вычисления (2024). DOI: 10.1029/2024JH000292

Источник: University of New Hampshire