Redes neuronales simulan observaciones solares
Por: Universidad de Hawaii en Manoa.
25 de noviembre de 2024
Bucles de plasma sobre manchas solares vistos con luz ultravioleta. Crédito de la imagen: DKIST/NSO/AURA/NS.
Una investigación realizada por astrónomos e informáticos del Instituto de Astronomía de la Universidad de Hawái (IfA) podría revolucionar nuestra comprensión del Sol. El estudio, parte del proyecto “SPIn4D”, combina la astronomía solar de vanguardia con la informática avanzada para analizar datos del telescopio solar terrestre más grande del mundo, situado en la cima de Haleakalā, Maui.
La investigación del equipo, publicada recientemente en la prestigiosa revista de investigación The Astrophysical Journal, se centra en el desarrollo de un conjunto de modelos de aprendizaje profundo que analizan rápidamente grandes cantidades de datos producidas por el telescopio solar Daniel K. Inouye. El objetivo es liberar todo el potencial de las observaciones del telescopio, lo que podría conducir a avances en la velocidad, la precisión y el alcance del análisis de datos solares.
“Las grandes tormentas solares son responsables de las impresionantes auroras, pero también pueden suponer riesgos para los satélites, las comunicaciones por radio y las redes eléctricas. Es muy importante comprender mejor su lugar de origen, la atmósfera solar”, afirma Kai Yang, investigador postdoctoral del IfA que dirigió el trabajo.
El telescopio solar Inouye, operado por el Observatorio Solar Nacional de la NSF (NSO), es por lejos el telescopio solar más poderoso del mundo y se encuentra en la cima de 10,000 pies del Haleakalā de Maui, que se traduce como “la casa del Sol”. Los instrumentos del telescopio están diseñados para medir el campo magnético del sol utilizando luz polarizada, y el proyecto SPIn4D fue diseñado específicamente para utilizar estos datos, que solo están disponibles en el conjunto de instrumentos del telescopio solar.
El equipo científico de NSO y High Altitude Observatory (HAO) usa redes neuronales profundas para estimar las propiedades físicas de la fotosfera solar a partir de las observaciones de alta resolución del Telescopio Solar Inouye. Este método promete acelerar significativamente el análisis de los enormes volúmenes de datos producidos por el telescopio solar, que pueden alcanzar decenas de terabytes por día.
“El aprendizaje automático es muy bueno para brindar aproximaciones rápidas a cálculos costosos. En este caso, el modelo permitirá a los astrónomos visualizar la atmósfera del Sol en tiempo real, en lugar de esperar horas para lograr la misma precisión”, dijo el coautor Peter Sadowski, profesor asociado del Departamento de Información y Ciencias Informáticas de la UH Mānoa.
Para entrenar sus modelos de IA, el equipo ha producido un amplio conjunto de datos de observaciones solares simuladas. Utilizando más de 10 millones de horas de CPU en la supercomputadora Cheyenne de la National Science Foundation (NSF), han creado 120 terabytes de datos que imitan las observaciones del Telescopio Solar Inouye con una resolución extremadamente alta.
El equipo ya ha puesto a disposición del público un subconjunto de 13 terabytes de sus datos, junto con un tutorial detallado. Tienen previsto publicar sus modelos de aprendizaje profundo completamente entrenados como una herramienta comunitaria para analizar las observaciones del Telescopio Solar Inouye.
Fuente:
https://phys.org/news/2024-11-ai-astronomy-neural-networks-simulate.html