לטלסקופ סולארי יש עבודה קשה. התבוננות בשמש גובה מחיר מההפצצה המתמדת של זרם אינסופי של חלקיקי שמש ואור שמש עז. עם הזמן, העדשות והחיישנים הרגישים של טלסקופים סולאריים מתחילים להתקלקל. כדי להבטיח את הדיוק של הנתונים שנשלחים על ידי מכשירים כאלה, מדענים מכיילים מחדש מדי פעם כדי לוודא שהם מבינים כיצד המכשיר משתנה.
מצפה הכוכבים הדינמי של השמש של נאס"א נפתח ב-2010, או S.D.O, מספקת תמונות ברזולוציה גבוהה של השמש כבר למעלה מ-10 שנים. תמונות אלו העניקו למדענים מבט מפורט על תופעות שמש שונות שעלולות לגרום למזג האוויר בחלל ולהשפיע על האסטרונאוטים והטכנולוגיה שלנו בכדור הארץ ובחלל. ה-Atmospheric Imager Assembly, או AIA, הוא אחד משני מכשירי הדמיה ב-SDO שמסתכלים ברציפות על השמש, מצלמים תמונות ב-10 אורכי גל של אור אולטרה סגול כל 12 שניות. זה מייצר כמות עצומה של מידע על השמש, אבל כמו כל מכשירי תצפית שמש, ה-AIA מתדרדר עם הזמן ויש לכייל את הנתונים לעתים קרובות.
מאז השיגור של SDO, מדענים השתמשו בטילי קול כדי לכייל את ה-AIA, שהן רקטות קטנות שבדרך כלל נושאות רק כמה מכשירים ומבצעות טיסות חלל קצרות - כ-15 דקות - הן טסות מעל רוב האטמוספירה של כדור הארץ, מה שמאפשר למכשירים על הסיפון ראה אורכי גל אולטרה סגול, נמדד על ידי AIA. אורכי גל אלו של אור נספגים באטמוספירה של כדור הארץ ולא ניתן למדוד אותם מהקרקע. כדי לכייל את ה-AIA, המדענים חיברו טלסקופ אולטרה-סגול לטיל הקול והשוו את הנתונים הללו עם מדידות ה-AIA.
לשיטת כיול הרקטות יש מספר חסרונות. הרקטות עשויות לא לשגר באותה תדירות כאשר ה-AIA מסתכל כל הזמן על השמש. המשמעות היא שבין כל כיול של רקטת הגשושית ישנה תקופה של השבתה שבה הכיול מעט מושבת.
כיול וירטואלי של נאס"א
תוך התחשבות בבעיות אלו, החליטו המדענים לשקול אפשרויות אחרות לכיול המכשיר במטרה לכיול קבוע. נראה שלמידת מכונה, טכניקה המשמשת בבינה מלאכותית, מתאימה באופן מושלם. כפי שהשם מרמז, למידת מכונה דורשת תוכנית מחשב או אלגוריתם כדי ללמוד כיצד לבצע משימה.
ראשית, החוקרים נאלצו לאמן אלגוריתם למידת מכונה לזהות מבנים סולאריים ולהשוות ביניהם באמצעות נתוני AIA. לשם כך, הם מספקים לאלגוריתם תמונות שהתקבלו במהלך טיסות כיול צלילים של הרקטה ואומרים לו כמה כיולים הם צריכים. אחרי מספיק דוגמאות אלה, הם מאכילים את האלגוריתם בתמונות דומות ובודקים אם הוא יכול לקבוע את הכיול הנדרש. בהינתן מספיק נתונים, האלגוריתם לומד לקבוע כמה כיול נדרש עבור כל תמונה.
מכיוון ש-AIA מסתכלת על השמש באורכי גל שונים של אור, החוקרים יכולים להשתמש באלגוריתם גם כדי להשוות מבנים ספציפיים באורכי גל שונים ולבצע הערכות מדויקות יותר.
תחילה הם לימדו את האלגוריתם כיצד נראית התלקחות שמש על ידי הצגת התלקחויות שמש בכל אורכי הגל של AIA עד שהיא זיהתה התלקחויות שמש בכל סוגי האור השונים. ברגע שהתוכנית זיהתה התלקחות סולארית ללא כל השפלה, האלגוריתם היה מסוגל לקבוע עד כמה השפלה משפיעה על תמונות ה-AIA הנוכחיות וכמה כיול נדרש עבור כל אחת מהן.
"זה היה אירוע גדול", אמר ד"ר לואיס דוס סנטוס. "במקום רק לזהות אותם באותו אורך גל, אנו מזהים מבנים באורכי גל שונים." המשמעות היא שחוקרים יכולים להיות בטוחים יותר בכיול שנקבע על ידי האלגוריתם. ואכן, כשהשוו את נתוני הכיול הווירטואליים שלהם לנתוני כיול רקטות צלילים, תוכנית למידת המכונה הוכיחה את עצמה כעל העליונה. עם תהליך חדש זה, מדענים מוכנים לכייל באופן רציף תמונות AIA בין טיסות רקטות כיול, ולהגביר את הדיוק של נתוני SDO עבור חוקרים.
קרא גם: