Uma equipe do NASA Frontier Development Lab (FDL) mostrou que, usando o aprendizado profundo, é possível monitorar virtualmente a irradiância ultravioleta extrema do Sol (EUV), que é um dos principais impulsionadores do clima espacial. O Sol é vital para a sobrevivência, mas erupções solares, que normalmente ocorrem algumas vezes por ano, têm o potencial de causar graves interrupções no espaço e na Terra. Essas interrupções podem impactar a espaçonave, satélites e até sistemas aqui na Terra, incluindo navegação GPS, comunicações de rádio e rede elétrica. O aprendizado profundo pode ajudar a obter mais valor de nossa capacidade atual de monitorar o Sol, fornecendo instrumentos virtuais para complementar os dispositivos físicos. Esta pesquisa será publicada em Avanços da Ciência em 2 de outubro, 2019 ("Um instrumento virtual de aprendizagem profunda para monitorar a irradiância espectral ultravioleta extrema solar").

"Nossa pesquisa mostra como uma rede neural profunda pode ser treinada para imitar um instrumento no Solar Dynamics Observatory (SDO), "disse o membro da equipe FDL e co-autor Alexander Szenicer (Oxford University)." Ao inferir quais níveis de radiação ultravioleta aquele sensor teria detectado com base no que os outros instrumentos no SDO estão observando em um determinado momento, demonstramos que é possível aumentar a produtividade científica das missões da NASA e aumentar nossa capacidade de monitorar as fontes solares do clima espacial. "

FDL é uma parceria entre o NASA Ames Research Center, o Instituto SETI e parceiros do setor privado e agências espaciais, incluindo o Google Cloud, Intel AI, IBM, Kx Lockheed Martin, Agência Espacial de Luxemburgo, NVIDIA, Agência Espacial Canadense, HPE e Element AI. Durante um acelerador de pesquisa de verão de 8 semanas, equipes interdisciplinares compostas por pesquisadores em início de carreira nos domínios da IA ​​e das ciências naturais trabalham juntas para aplicar a IA e o aprendizado de máquina para resolver questões importantes. A questão do desafio por trás desta pesquisa foi desenvolver um modelo de IA usando imagens SDO para prever a irradiância espectral solar.

Tradicionalmente, os métodos para monitorar a irradiância espectral do EUV solar incluem modelos inspirados na física que tentam prever a emissão do EUV. Esses métodos usam distribuições de campo magnético na superfície do Sol ou inversões baseadas na física da distribuição de plasma na coroa solar.

Esses novos resultados mostram que é possível usar observações de imagens do Sol para criar uma medida proxy da irradiância espectral EUV. Alimentar imagens coronais do SDO da NASA para uma rede neural profunda nos permite gerar medições de proxy EUV com uma precisão que ultrapassa os modelos baseados na física.

Adicionalmente, a equipe desenvolveu benchmarks e protocolos para comparar as previsões entre os modelos EUV. Eles serão úteis para estudos futuros. Até agora, a pesquisa mal arranhou a superfície sobre o que é viável combinando o aprendizado profundo com dados espaciais científicos em grande escala. A ciência de dados e o aprendizado de máquina desempenharão papéis cada vez mais importantes em nosso esforço para compreender as origens do clima espacial e como viver com o sol.