Een zonnetelescoop heeft een zware taak. Het observeren van de zon eist zijn tol van het constante bombardement van een eindeloze stroom zonnedeeltjes en intens zonlicht. Na verloop van tijd beginnen de gevoelige lenzen en sensoren van zonnetelescopen kapot te gaan. Om de nauwkeurigheid van de gegevens die door dergelijke instrumenten worden verzonden te garanderen, kalibreren wetenschappers periodiek opnieuw om er zeker van te zijn dat ze begrijpen hoe het instrument verandert.
Het NASA Solar Dynamics Observatory werd geopend in 2010, of S.D.O, levert al meer dan 10 jaar hoge resolutiebeelden van de zon. Deze afbeeldingen hebben wetenschappers een gedetailleerd beeld gegeven van verschillende zonnefenomenen die ruimteweer kunnen veroorzaken en onze astronauten en technologie op aarde en in de ruimte kunnen beïnvloeden. De Atmospheric Imager Assembly, of AIA, is een van de twee beeldvormende instrumenten op SDO die continu naar de zon kijkt en elke 10 seconden beelden maakt in 12 golflengten van ultraviolet licht. Dit levert een enorme hoeveelheid informatie over de zon op, maar zoals alle instrumenten voor zonne-observatie, degradeert de AIA na verloop van tijd en moeten de gegevens regelmatig worden gekalibreerd.
Sinds de lancering van SDO hebben wetenschappers klinkende raketten gebruikt om de AIA te kalibreren. Dit zijn kleine raketten die doorgaans slechts een paar instrumenten dragen en korte ruimtevluchten maken - ongeveer 15 minuten - ze vliegen boven het grootste deel van de atmosfeer van de aarde, waardoor de instrumenten aan boord zie ultraviolette golflengten, gemeten door AIA. Deze golflengten van licht worden geabsorbeerd door de atmosfeer van de aarde en kunnen niet vanaf de grond worden gemeten. Om de AIA te kalibreren, bevestigden de wetenschappers een ultraviolette telescoop aan de sondeerraket en vergeleken die gegevens met de AIA-metingen.
De methode voor het kalibreren van een sondeerraket heeft een aantal nadelen. De raketten worden mogelijk niet zo vaak gelanceerd als de AIA in plaats daarvan constant naar de zon kijkt. Dit betekent dat er tussen elke kalibratie van de sonderaket een periode van downtime is waarbij de kalibratie enigszins afwijkt.
NASA virtuele kalibratie
Met deze problemen in het achterhoofd besloten de wetenschappers om andere opties te overwegen om het apparaat te kalibreren met het oog op permanente kalibratie. Machine learning, een techniek die wordt gebruikt in kunstmatige intelligentie, lijkt perfect te passen. Zoals de naam al doet vermoeden, vereist machine learning een computerprogramma of algoritme om te leren hoe een taak moet worden uitgevoerd.
Eerst moesten de onderzoekers een machine learning-algoritme trainen om zonnestructuren te herkennen en te vergelijken met behulp van AIA-gegevens. Om dit te doen, voorzien ze het algoritme van beelden die zijn verkregen tijdens klinkende kalibratievluchten van de raket en vertellen ze hoeveel kalibraties ze nodig hebben. Na genoeg van deze voorbeelden voeden ze het algoritme vergelijkbare afbeeldingen en kijken of het de vereiste kalibratie kan bepalen. Met voldoende gegevens leert het algoritme te bepalen hoeveel kalibratie nodig is voor elk beeld.
Omdat AIA naar de zon kijkt in verschillende golflengten van licht, kunnen onderzoekers het algoritme ook gebruiken om specifieke structuren op verschillende golflengten te vergelijken en nauwkeurigere schattingen te maken.
Ze leerden het algoritme eerst hoe een zonnevlam eruit ziet door zonnevlammen op alle AIA-golflengten te laten zien totdat het zonnevlammen in alle verschillende soorten licht herkende. Zodra het programma een zonnevlam zonder enige degradatie herkende, kon het algoritme bepalen hoeveel de degradatie de huidige AIA-beelden beïnvloedde en hoeveel kalibratie nodig was voor elk.
"Het was een groot evenement", zei Dr. Louis Dos Santos. "In plaats van ze alleen op dezelfde golflengte te identificeren, identificeren we structuren op verschillende golflengten." Dit betekent dat onderzoekers meer vertrouwen kunnen hebben in de kalibratie die door het algoritme wordt bepaald. Bij het vergelijken van hun virtuele kalibratiegegevens met klinkende raketkalibratiegegevens, bleek het machine learning-programma inderdaad bovenaan te staan. Met dit nieuwe proces zijn wetenschappers klaar om continu AIA-beelden te kalibreren tussen kalibratieraketvluchten, waardoor de nauwkeurigheid van SDO-gegevens voor onderzoekers wordt vergroot.
Lees ook: