Образец изображений из набора данных THEMIS Осло Аврора (OATH). Слева направо вручную назначенные метки основной истины: «Дуга», «Рассеянный», «Дискретный», «Облачно», «Луна», «Ясно». Обратите внимание, что эти изображения представляют собой изображения в искусственных цветах; они были преобразованы в RGB с информацией об интенсивности, записанной в зеленом канале. Это обязательный тип данных для модели, используемой в (LB Clausen & Nickisch, 2018a), и мы следуем этому формату для обеспечения единообразия. Фото: Журнал геофизических исследований: машинное обучение и вычисления (2024 г.). DOI: 10.1029/2024JH000292
Северное сияние, или северное сияние, известно потрясающим зрелищем света на ночном небе, но это околоземное явление, вызванное взрывной активностью на Солнце и переносимое солнечным ветром, может также нарушать жизненно важные коммуникации и инфраструктура безопасности на Земле. Используя искусственный интеллект, исследователи из Университета Нью-Гэмпшира классифицировали и маркировали крупнейшую в мире базу данных изображений полярных сияний, которая может помочь ученым лучше понять и прогнозировать разрушительные геомагнитные бури.
В исследовании, недавно опубликованном в Журнале геофизических исследований: машинное обучение и вычисления, были разработаны инструменты искусственного интеллекта и машинного обучения, которые смогли успешно идентифицировать и классифицировать более 706 миллионов изображений полярных сияний в истории НАСА временных событий и макромасштабных взаимодействий во время суббурь. Набор данных (THEMIS), собранный космическими кораблями-близнецами, изучающими космическую среду вокруг Земли. THEMIS предоставляет изображения ночного неба каждые три секунды от заката до восхода солнца с 23 различных станций по всей Северной Америке.
«Огромный 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 Джеремайя Джонсон, доцент кафедры прикладной инженерии и науки 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 THEMIS (ASI) с 2008 по 2022 год и эффективного аннотирования их с использованием шести различных категорий — дуговые, диффузные, дискретные, облачные, лунные и ясные/отсутствующие полярные сияния. фильтруйте, сортируйте и извлекайте ценную информацию.
«Размеченная база данных может дать дальнейшее понимание динамики полярных сияний, но на самом базовом уровне мы стремились организовать базу данных изображений всего неба THEMIS так, чтобы огромный объем содержащихся в ней исторических данных мог более эффективно использоваться исследователями и предоставлять достаточно большая выборка для будущих исследований», — сказал Джонсон.
Соавторами исследования являются Эми Кизи, доцент кафедры физики и астрономии Центра космических наук Университета Нью-Гэмпшира; Догакан Су Озтюрк, Дональд Хэмптон и Мэтью Бландин — все из Университета Аляски в Фэрбенксе; и Хёнджу Коннор из Центра космических полетов имени Годдарда НАСА.
Информация от: Университетом Нью-Гэмпшира.
