Filter by دسته‌ها
chatGTP
ابزارهای هوش مصنوعی
اخبار
گزارش
تیتر یک
چندرسانه ای
آموزش علوم داده
اینفوگرافیک
پادکست
ویدیو
دانش روز
آموزش‌های پایه‌ای هوش مصنوعی
اصول هوش مصنوعی
یادگیری بدون نظارت
یادگیری تقویتی
یادگیری عمیق
یادگیری نیمه نظارتی
آموزش‌های پیشرفته هوش مصنوعی
بینایی ماشین
پردازش زبان طبیعی
پردازش گفتار
چالش‌های عملیاتی
داده کاوی و بیگ دیتا
رایانش ابری و HPC
سیستم‌‌های امبدد
علوم شناختی
دیتاست
رویدادها
جیتکس
کاربردهای هوش مصنوعی
کتابخانه
اشخاص
شرکت‌های هوش مصنوعی
محصولات و مدل‌های هوش مصنوعی
مفاهیم
کسب‌و‌کار
تحلیل بازارهای هوش مصنوعی
کارآفرینی
هوش مصنوعی در ایران
هوش مصنوعی در جهان
مقاله
 کالیبراسیون تصاویر خورشید ؛ ناسا از هوش مصنوعی کمک می‌گیرد

کالیبراسیون تصاویر خورشید ؛ ناسا از هوش مصنوعی کمک می‌گیرد

زمان مطالعه: 2 دقیقه

ناسا رصدخانه پویایی‌شناسی خوشید (SDO) خود را در 11 فوریه 2010 به فضا پرتاب کرد و این رصدخانه تاکنون بیش از یک دهه تصاویر با کیفیت از خورشید گرفته‌ است. اخترشناسان اکنون با این تصاویر قادرند پدیده‌های مختلف خورشیدی را به شکل دقیق‌تری بررسی کنند. اما قرار است هوش مصنوعی برای کالیبراسیون تصاویر خورشید به کمک ناسا بیاید.

رصدخانه پویایی‌شناسی خوشید از آرایه مونتاژ تصویربرداری اتمسفر Atmospheric Imaging Assembly برای رصد دائم خورشید استفاده می‌کند و هر 10 ثانیه عکسی با 10 طول موج مختلف می‌گیرد. این رصدخانه اطلاعات فراوانی درباره خورشید فراهم کرده که پیش از این، بدست‌آوردن آن‌ها امکان‌پذیر نبوده است. به دلیل اینکه این ابزار همواره رو به خورشید است، به مرور زمان خراب می‌شود و داده ها به طور مرتب نیاز به کالیبراسیون دارند و قرار است هوش مصنوعی برای کالیبراسیون تصاویر خورشید به ناسا کمک کند.

امروزه، دانشمندان با کمک هوش مصنوعی می‌توانند تصاویر ناسا از خورشید را کالیبره کنند. این امر کیفیت داده‌های مورد استفاده دانشمندان در تحقیقات خورشیدی را بهبود می‌بخشد.

کالیبراسیون تصاویر خورشید با کمک الگوریتم

هوش مصنوعی با کمک یک الگوریتم یاد می‌گیرد تصاویر را کالیبره کند. محققان کار خود را با آموزش الگوریتم یادگیری ماشین برای شناسایی ساختارهای خورشیدی و مقایسه آن اطلاعات با داده‌های ثبت شده توسط آرایه مونتاژ تصویربرداری اتمسفر آغاز کردند. در واقع، دانشمندان تصاویر بدست آمده از کالیبراسیون موشک‌های ژرفاسنج و مقدار صحیح کالیبراسیون مورد نیاز را به الگوریتم دادند.

پس از اینکه الگوریتم نمونه‌های آموزشی کافی دریافت کرد، دانشمندان تصاویر مشابهی به الگوریتم دادند تا بررسی کنند آیا الگوریتم می‌توانند مقدار صحیح کالیبراسیون مورد نیاز برای هر تصویر را بدست‌آورد یا خیر. مشخص گردید الگوریتم با در اختیار داشتن داده‌های کافی، می‌تواند مقدار کالیبراسیون لازم برای هر تصویر را تعیین کند.

کالیبراسیون تصاویر خورشید
این تصویر هفت طول موج فرابنفش را نشان می‌دهد که با آرایه مونتاژ تصویربرداری اتمسفر در رصدخانه پویایی‌شناسی خورشید گرفته شده است. در ردیف بالا تصاویری را مشاهده می‌کنید که در ماه می 2010 گرفته شده‌اند و در ردیف پایین تصاویر سال 2019 را پیش از اعمال اصلاحات مشاهده می‌کنید؛ کاملاً مشخص است که این ابزار در گذر زمان تخریب شده است.

از آنجا که آرایه مونتاژ، خورشید را در طول موج‌های مختلف نور رصد می‌کند، دانشمندان می‌توانند از این الگوریتم برای مقایسه ساختارهای خاص با طول موج‌های مختلف و تقویت ارزیابی‌های بدست آمده استفاده کنند.

برای انجام این کار، محققان ابتدا با نشان دادن شراره‌های خورشیدی، در تمام طول موج‌های ثبت شده در آرایه مونتاژ تصویربرداری اتمسفر، به الگوریتم آموزش دادند که یک شراره خورشیدی چگونه به نظر می‌رسد. این آموزش تا زمانی ادامه پیدا کرد که الگوریتم توانست شراره‌های خورشیدی را در طیف‌های نوری مختلف تشخیص دهد. هنگامی که این برنامه بتواند شراره‌های خورشیدی را بدون هرگونه فروسایی شناسایی کند، نه تنها می‌تواند میزان تاثیر تخریب آرایه مونتاژ تصویربرداری اتمسفر را بر کیفیت تصاویر جدید تشخیص دهد، بلکه می‌تواند مقدار کالیبراسیون مورد نیاز آن‌ها را نیز تعیین کند.

به گزارش دوس سانتوس، فیزیکدان خورشیدی در مرکز پرواز فضایی گودارد ناسا، «این کار موفقیت بزرگی به شمار می‌آید. به جای شناسایی ساختارها تنها در یک طول موج، اکنون می‌توانیم ساختارهای طول موج‌های مختلف را شناسایی کنیم».

با استفاده از این چرخه جدید، متخصصان آماده هستند تا به طور مداوم تصاویر آرایه مونتاژ تصویربرداری اتمسفر را در فواصل پروازهای موشک ژرفاسنج، کالیبره کنند و دقت داده‌های رصدخانه پویایی‌شناسی خوشید را برای تحلیلگران بهبود دهند.

انواع کاربردهای هوش مصنوعی در صنایع مختلف را در هوشیو بخوانید

میانگین امتیاز / 5. تعداد ارا :

مطالب پیشنهادی مرتبط

اشتراک در
اطلاع از
0 نظرات
بازخورد (Feedback) های اینلاین
مشاهده همه دیدگاه ها
[wpforms id="48325"]