Нейросеть поможет обнаруживать корональные дыры на Солнце |
||
МЕНЮ Искусственный интеллект Поиск Регистрация на сайте Помощь проекту ТЕМЫ Новости ИИ Искусственный интеллект Разработка ИИГолосовой помощник Городские сумасшедшие ИИ в медицине ИИ проекты Искусственные нейросети Слежка за людьми Угроза ИИ ИИ теория Внедрение ИИКомпьютерные науки Машинное обуч. (Ошибки) Машинное обучение Машинный перевод Нейронные сети начинающим Реализация ИИ Реализация нейросетей Создание беспилотных авто Трезво про ИИ Философия ИИ Big data Работа разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика
Генетические алгоритмы Капсульные нейросети Основы нейронных сетей Распознавание лиц Распознавание образов Распознавание речи Техническое зрение Чат-боты Авторизация |
2020-12-26 23:06 NASA/SDO/Indicator.Ru Исследователи обучили нейронную сеть находить корональные дыры на Солнце. Она поможет исследователям понять природу геомагнитных бурь и лучше прогнозировать опасную для нашей техники космическую погоду. Исследование опубликовано в The Astrophysical Journal. Геомагнитные бури могут сильно влиять на жизнь человека. Из-за них может нарушаться работа энергосистем и связи. Главным их виновником являются корональные дыры на Солнце. Поэтому, чтобы предсказывать геомагнитные бури, ученым нужно пристально наблюдать за нашей звездой. Для этого они вручную обрабатывают изображения Солнца, что долго и не слишком удобно. И на помощь человеку в этой области может прийти нейросети. Ученые из МГУ имени М.В. Ломоносова, Кисловодской горной астрономической станции Пулковской обсерватории РAН и Технологического института в Нью-Джерси предложили способ обнаружения корональных дыр на Солнце с помощью методов машинного обучения. Модель была обучена на большой выборке изображений нашей звезды. В основе метода лежит сверточная нейронная сеть, в которой на вход поступает изображение Солнца, а на выходе формируется карта корональных дыр. Ученые обнаружили, что нейросеть можно применять к более широкому спектру входных данных, чем использовались при обучении. С ее помощью астрономы могут обрабатывать синоптические карты — развертки полной поверхности Солнца, составленные за его один оборот. «Разработанная модель машинного обучения может обнаруживать активные области (корональные дыры) на уровне, сопоставимом с экспертной оценкой. При этом, в отличие от эксперта, модель не устает, не теряет внимание и тратит на один снимок доли секунды: скорость работы модели позволяет анализировать снимки в режиме онлайн. Открывается возможность массовой обработки архивов наблюдений, что важно, по единым стандартам», — рассказал один из авторов работы, ассистент кафедры теории вероятностей механико-математического факультета МГУ Егор Илларионов. Ученые отмечают, что особый интерес представляет приложение модели, которое позволяет прогнозировать космическую погоду. Обнаружение и оценка корональных дыр на Солнце — это только одни из первых этапов в процессе моделирования распространения солнечного ветра. «От того, насколько точным окажется прогноз времени и района прихода частиц солнечного ветра, зависит устойчивость работы спутниковых и телекоммуникационных систем, безопасность космических миссий и авиасообщения», — подчеркнул Илларионов. Сейчас ученые продолжают разработку автоматических систем мониторинга и прогноза различных факторов космической погоды. Пресс-релизы о научных исследованиях, информацию о последних вышедших научных статьях и анонсы конференций, а также данные о выигранных грантах и премиях присылайте на адрес science@indicator.ru. Источник: indicator.ru Комментарии: |
|