لا تقلق بشأن اصطدام المادة الفضائية بالأرض! اقترح فريق من الأكاديمية الصينية للعلوم طريقة جديدة لتحديد الانبعاثات الكتلية الإكليلية، وهي قريبة من نتائج التعرف البشري

الانبعاثات الكتلية الإكليلية (CMEs) هي كتل بلازما واسعة النطاق يتم قذفها من الشمس إلى الفضاء بين الكواكب. إنها شكل من أشكال إطلاق الطاقة من الشمس وأحد العوامل الرئيسية التي تؤثر على الطقس الفضائي. يمكن أن تؤثر أحداث القذف الكتلي الإكليلي الكبيرة على الاتصالات والملاحة وأنشطة الطيران وعمليات شبكة الطاقة وما إلى ذلك. ومن أجل تجنب التهديدات الأمنية وخسائر الأصول،تحديد ما إذا كانت القذف الكتلي الإكليلي سوف "يضرب" الأرض أم "يفوتها" بدقة، والتنبؤ بوقت وصول القذف الكتلي الإكليلي.إن الأبحاث ذات الصلة لها أهمية حيوية.

وبناءً على البيانات الواردة من مسبار LASCO الموجود على قمر المرصد الشمسي والهيليوسفيري (SOHO)، قام الباحثون في مركز بيانات CDAW التابع لوكالة ناسا بتجميع كتالوج يدويًا لملاحظات الانبعاثات الكتلية الإكليلية من عام 1996 حتى الوقت الحاضر. يسجل الكتالوج الوقت وزاوية الموضع والعرض الزاوي والسرعة والكميات الفيزيائية الأخرى لكل حدث CME، مما يوفر بيانات أساسية مهمة للبحوث ذات الصلة بـ CMEs. ومع ذلك، في مواجهة كميات هائلة من البيانات، فإن التعريف اليدوي يستغرق وقتًا طويلاً ويتطلب الكثير من العمل، وأصبح التعريف التلقائي لـ CME اتجاهًا بحثيًا أكثر نشاطًا في هذا المجال.

نشر فريق بحثي من المختبر الرئيسي للنشاط الشمسي والطقس الفضائي، التابع للمركز الوطني لعلوم الفضاء، التابع للأكاديمية الصينية للعلوم، ورقة بحثية بعنوان "خوارزمية لتحديد معلمات حركية القذف الكتلي الإكليلي بناءً على التعلم الآلي" في سلسلة المكملات لمجلة الفيزياء الفلكية. تقترح هذه الورقة طريقة لتحديد CME واكتساب المعلمات تعتمد على التعلم الآلي. بالمقارنة مع الكتالوج اليدوي لـ CME وبعض طرق التعريف التلقائي الكلاسيكية، فإن هذه الطريقة فعالة وسريعة، ويمكنها تحديد إشارات CME الضعيفة نسبيًا، وإعطاء معلومات دقيقة عن مورفولوجيا CME.

أبرز الأبحاث:

* طريقة التعرف على CME واكتساب المعلمات تلقائيًا استنادًا إلى التعلم الآلي فعالة وسريعة للغاية، ويمكنها تحديد إشارات CME الضعيفة نسبيًا.

* المعلمات التي تم الحصول عليها بهذه الطريقة قريبة من نتائج التعرف اليدوي من قبل البشر

* يمكن أيضًا استخدام بنية CME التي تم اكتشافها بواسطة هذه الطريقة في أعمال أخرى مثل التنبؤ بوقت وصول CME وإعادة بناء CME ثلاثية الأبعاد.

عنوان الورقة:
https://iopscience.iop.org/article/10.3847/1538-4365/ad2dea 

اتبع الحساب الرسمي ورد على "القذف الكتلي الإكليلي" للحصول على ملف PDF كامل

مجموعة البيانات: تصنيف الصور بدقة

حصل الباحثون على سجلات الأحداث المتعلقة بالانبعاث الكتلي الإكليلي (بما في ذلك وقت ظهوره ونهايته والملاحظات) من موقع كتالوج CDAW CME، وقاموا بتنزيل صور تفاضلية تشغيلية يومية لجهازي الإكليل الشمسي LASCO C2 وC3 من عام 2013 إلى عام 2018. يغطي النطاق الزمني المحدد نصف الدورة الشمسية الرابعة والعشرين، مما يمكن أن يوفر عينة تمثيلية ومتوازنة من الانبعاثات الكتلية الإكليلي وغير الكتلية من الحد الأقصى للشمس إلى الحد الأدنى للشمس. بالإضافة إلى ذلك، تم الاحتفاظ بالبيانات من بقية الدورة الشمسية 24 لأغراض التحقق.

وقد اختار الباحثون موقع ناسا/CDAW كمصدر للبيانات لأن البيانات التي قدمها تلبي احتياجات تدريب نماذج CNN لتصنيف الصور ومزيد من تتبع خصائص CME.

استنادًا إلى سجلات كل حدث CME، أجرى الباحثون تكرارات على كل صورة:إذا كان وقت تعرض الصورة يقع بين وقت الظهور ووقت نهاية الإدخال المسجل، يتم وضع علامة على الصورة بالملاحظة المقابلة للإدخال؛ وعلى العكس من ذلك، إذا كان وقت تعرض الصورة لا يتطابق مع أي سجل، يتم وضع علامة على الصورة على أنها "No-CME".

منهجية البحث: ثلاث خطوات لتأكيد المعايير الأساسية

تنقسم طريقة التعرف على CME واكتساب المعلمات القائمة على التعلم الآلي إلى ثلاث خطوات:

أولاً،بعد تصنيف الصورة بشكل صحيح، استخرج الباحثون خريطة الميزات التلافيفية من آخر طبقة تلافيفية للشبكة العصبية وطبقوا خوارزمية PCA (تحليل المكونات الرئيسية) على خريطة الميزات للحصول على معلومات حول نفس الكائن. ثم استخدموا خوارزمية أوتسو (خوارزمية لتحديد عتبة التجزئة الثنائية للصورة) والعمليات الصرفية للحصول على تسميات بكسل CME دقيقة.

ثانيًا، قم بمسح كل إطار من تسلسل الصورة واستخدم خوارزمية مطابقة المسار لتتبع مسار انتشار CME الذي يغادر الشمس في مجال رؤية الإكليل.

أخيرا،بناءً على المسار الذي تم الحصول عليه في الخطوة السابقة، يتم اشتقاق المعلمات الحركية لـ CME، مثل السرعة وCPA (زاوية الموضع المركزي) وAW (العرض الزاوي).

نتائج البحث: طريقة التعرف على CME واكتساب المعلمات تلقائيًا استنادًا إلى التعلم الآلي فعالة وسريعة

لتقييم أداء الطريقة في الملاحظات الحقيقية، اختار الباحثون أحداثًا تمثيلية بسرعات وطول موجة مختلفة خلال الفترة 2010-2012 وقاموا بتحليلها بترتيب تصاعدي للطول الموجة. يتراوح مدى AW للانبعاثات الكتلية الإكليلية المحددة بين 78 درجة إلى 360 درجة، ويتراوح مدى السرعة بين 288 و1205 كيلومتر في الثانية.^-1 . وفي الوقت نفسه، قارن الباحثون نتائج طريقتهم المقترحة حديثًا مع كتالوجات التتبع التلقائي CME الكلاسيكية الأخرى (أي CACTus، وCORIMP، وSEEDS).

الحدث الأول: حدث CME الذي حدث في 14 فبراير 2012.

حدث حدث CME في 14 فبراير 2012، من الجانب الغربي من مجال رؤية جهاز الإكليل الشمسي. يوضح الشكل أدناه الرسوم البيانية للكشف عن CACTus وCORIMP وSEEDS والطريقة المقترحة في هذه الدراسة من الأعلى إلى الأسفل.

في الصفوف الثلاثة الأولى من الشكل أعلاه، تظهر مناطق CME المكتشفة بألوان ورموز مختلفة. في خريطة الكشف الخاصة بـ CACTus، تكون منطقة CME المكتشفة محدودة بالخط المستقيم الأبيض. في خريطة اكتشاف CORIMP، تشير النقاط الحمراء إلى مسار الجبهة الخارجية الأقوى، وتشير النقاط الصفراء إلى الهيكل الإجمالي المكتشف. في خريطة اكتشاف SEEDS، تشير النقاط الزرقاء إلى موقع الحافة الأمامية، وتشير النقاط الحمراء إلى الخطوط العريضة التقريبية للحافة الأمامية التي تم إنشاؤها باستخدام تقنية التجزئة. في الصف الأخير، تظهر الطريقة المقترحة في هذه الدراسة أن اللون الأزرق يمثل خلفية غير ذات صلة، في حين يشير اللون الأكثر دفئًا إلى أن البكسل من المرجح أن يكون جزءًا من CME.

وفي الربع الشمالي الغربي، أظهرت نتائج هذه الدراسة خطوطًا وبقعًا أكثر إشراقًا.وهذه آثار صغيرة وخافتة لثورات عابرة لا يمكن اكتشافها إلا باستخدام الطريقة المقترحة في هذه الدراسة، مما يدل على قدرتها على اكتشاف الإشارات الصغيرة والضعيفة.

الحدث الثاني: حدث CME الذي حدث في 15 يناير 2012.

قام الباحثون باختيار وعرض عدة إطارات من نتائج الكشف عن CACTus وCORIMP وSEEDS والطريقة المقترحة حديثًا من الأعلى إلى الأسفل للمقارنة.

تمكنت جميع الطرق من اكتشاف الجسم الرئيسي لـ CME.ومع ذلك، فإن الطريقة المقترحة في هذه الدراسة اكتشفت سمات CME أضعف أو أصغر إلى جانب الجسم الرئيسي، في حين فشلت الطرق الأخرى في اكتشافها.ومن الشكل أعلاه، يمكننا أن نرى أن الطريقة المقترحة تنجح في فصل منطقة CME عن الخلفية.

الحدث 3: حدث CME الذي حدث في 8 مارس 2011.

حدث هذا الحدث CME في 8 مارس 2011. تظهر أدناه الرسوم البيانية للكشف عن CACTus وCORIMP وSEEDS والطريقة المقترحة في هذه الدراسة:

ومن بين هذه الطرق، كانت الطريقة المقترحة في هذه الدراسة وCORIMP هي الأولى في اكتشاف CME عند الساعة 04:00، في حين حددت الطرق الأخرى CME بعد 12 دقيقة.

وبناءً على النتائج المذكورة أعلاه، يمكننا أن نستنتج أنه بالمقارنة مع كتالوج دليل CME وبعض طرق التعريف التلقائي الكلاسيكية،إن طريقة التعرف على CME واكتساب المعلمات التلقائية القائمة على التعلم الآلي المقترحة في هذه الدراسة فعالة وسريعة للغاية، ويمكنها تحديد إشارات CME الضعيفة نسبيًا وتوفير معلومات دقيقة عن مورفولوجيا CME.تعتبر طريقة التتبع بديهية نسبيًا، والمعلمات التي تم الحصول عليها قريبة من نتائج التعرف اليدوي من قبل البشر. بالإضافة إلى ذلك، يمكن أيضًا استخدام بنية CME التي تم اكتشافها بواسطة هذه الطريقة في أعمال أخرى مثل التنبؤ بوقت وصول CME وإعادة بناء CME ثلاثي الأبعاد.

الذكاء الاصطناعي ينقذ علماء الفلك المثقلين بالأعباء

في السنوات الأخيرة، ومع تقدم التكنولوجيا، تم توليد كميات هائلة من البيانات في مجال أبحاث الفيزياء الفلكية. على سبيل المثال، بالإضافة إلى الأبحاث المتعلقة بالانبعاث الكتلي الإكليلي المذكورة أعلاه، بدأ مسح سلون الرقمي للسماء الشهير في عام 2000 ورصد حوالي 3 ملايين جسم سماوي، بحجم بيانات يبلغ حوالي 40 تيرابايت. أصدر مسح الطاقة المظلمة، الذي يعمل حاليًا، 80 تيرابايت من البيانات الطيفية ذات الدرجة العلمية في دفعته الأولى، وهو ما يعادل تقريبًا حجم البيانات للمشروع بأكمله من مسوحات السماء المكتملة سابقًا.

بالنسبة لعلماء الفلك، فإن العثور على معلومات قيمة للأبحاث من البيانات الضخمة التي تم الحصول عليها من التلسكوبات أو المراصد المسحية الشاملة واسعة النطاق يشبه صيد النجوم في الكون. لقد أصبحت كيفية معالجة هذه البيانات بكفاءة تحديًا مهمًا يواجه علم الفلك الحديث. بفضل المزايا البارزة التي يتمتع بها الذكاء الاصطناعي في تحليل ومعالجة البيانات الضخمة، فقد دخل بشكل طبيعي في مجال رؤية علماء الفلك وأصبح مساعدًا قويًا لمساعدتهم على "تخفيف أعبائهم".

في وقت مبكر من عام 2017،أعلنت وكالة الفضاء الأميركية ناسا أن الشبكة العصبية التي طورها فريق الذكاء الاصطناعي التابع لشركة جوجل اكتشفت كوكبين خارجيين جديدين.أحد الكواكب يحمل رقم "كيبلر-90i". يحتوي النظام النجمي الذي يقع فيه على 8 كواكب، وهو نفس عدد الكواكب الموجودة في النظام الشمسي. لكن كوكب Kepler-90i أكبر من الأرض بـ 30% وهو كوكب أرض فائق.

في مؤتمر الذكاء الاصطناعي العالمي لعام 2021،كشف ما هواتينج، رئيس مجلس إدارة شركة تينسنت، أن الشركة ستطلق مشروع "استكشاف النجوم" بالتعاون مع المرصد الفلكي الوطني.استخدم تقنية الذكاء الاصطناعي للبحث عن النجوم النابضة واستكشاف الكون. وبناءً على تكنولوجيا الرؤية الحاسوبية الرائدة في مختبر Tencent Youtu وقوة الحوسبة في Tencent Cloud، سيستخدم الطرفان "السحابة + الذكاء الاصطناعي" لمساعدة Sky Eye FAST الصيني في معالجة كمية هائلة من البيانات التي يتلقاها كل يوم، والعثور على أدلة على النجوم النابضة من خلال تحليل الذكاء الاصطناعي البصري، مما يساعد في البحث عن النجوم النابضة في الانفجارات الراديوية السريعة والأنظمة الثنائية القريبة.

يونيو 2022قام باحثون برتغاليون بتطوير برنامج الذكاء الاصطناعي SHEEP لتحديد ما إذا كان الهدف المرصود نجمًا أو مجرة أو نجمًا زائفًا أو مستعرًا أعظم أو سديمًا بشكل تلقائي.يختلف برنامج SHEEP عن برامج التعرف على الأنماط الأخرى، حيث يحسب أولاً بيانات الانزياح الأحمر كميزة إضافية لنمط التصنيف، ثم يصنف الكائنات المصنفة عن طريق الجمع بين الصور المرصودة وبيانات الإحداثيات. ونشرت النتائج ذات الصلة في مجلة علم الفلك والفيزياء الفلكية.

في الوقت الحاضر، يستخدم المزيد والمزيد من الباحثين تقنية الذكاء الاصطناعي كأداة استكشاف قوية لتوفير بيانات غنية ومعقدة، وتصنيف المجرات، وفحص البيانات للحصول على الإشارات، واكتشاف النجوم النابضة، وتحديد الكواكب الخارجية غير العادية، وما إلى ذلك، وبالتالي تعزيز الابتكار في مجال علم الفلك. ليس هناك شك في أن الذكاء الاصطناعي سيحفز حيوية جديدة ويخلق إمكانيات جديدة.

مراجع:
1.https://iopscience.iop.org/article/10.3847/1538-4365/ad2dea
2.https://mp.weixin.qq.com/s/7frn8XvRJ-QWHCFwtsixzw
3.http://www.stdaily.com/index/kejixinwen/202207/d42b187caded4c7db61582566d7a6ce6.shtml
4.https://www.most.gov.cn/gnwkjdt/202206/t20220624_181299.html