 |
| ดร. โทมัส เบอร์เกอร์ได้รับทุนจากองค์การนาซ่าเพื่อวิจัยสภาพอากาศด้วย Machine Learning |
| เบอร์เกอร์ ผู้อำนวยการบริหารของ University of Cololado Boulder Space Weather Technology Research and Education Center เป็นผู้นำทีมที่ได้รับทุนสองปีด้วยงบประมาณ ๔๙๖,๐๐๐ ดอลล่าสหรัฐ เพื่อออกแบบระบบพยากรณ์การปะทุของพายุสุริยะจากดวงอาทิตย์ |
| สถานการณ์ของพายุสุริยะและการพวยพุ่งออกมาของมวลโคโรนา สามารถสร้างความหายนะ ให้กับการสื่อสารทางวิทยุ ทำให้เป็นอันตรายต่อดาวเทียมในวงโคจรต่ำของโลกและแม้แต่ทำให้พลังงานไฟฟ้าบนโลกไม่เสถียร |
| เมื่อเร็ว ๆ นี้ มีเพียงเครื่องมือพิเศษกับนักพยากรณ์เท่านั้นที่สามารถมองภาพของจุดดับบนดวงอาทิตย์ และใช้ตารางข้อมูลในอดีตเพื่อบอกว่า ความน่าจะเป็นของการเกิดพายุสุริยะจากหลุมดำของดวงอาทิตย์นี้ในอีก ๒๔ ชั่วโมงข้างหน้า คือ X% เบอร์เกอร์กล่าว |
| ช่วงเวลา ๒๔ ชั่วโมงสำหรับการพยากรณ์การปะทุของพายุสุริยะ เป็นสิ่งที่ดีที่สุดที่นักพยากรณ์จะสามารถทำได้ด้วยเทคโนโลยีปัจจุบัน ทีมงานของ Berger และคนอื่น ๆ อีกมากมายทั่วโลกได้พัฒนาระบบที่สามารถจับคู่ความสามารถของการคาดการณ์เหล่านั้นโดยใช้ข้อมูลเรียลไทม์จากสนามแม่เหล็กของดวงอาทิตย์ แต่เขากล่าวว่าเครื่องมือที่ดีกว่านั้นจำเป็นสำหรับการช่วยเหลือ บริษัท ด้านดาวเทียมและเทคโนโลยี |
| การคาดการณ์ตลอด ๒๔ ชั่วโมงที่มีความมั่นใจต่ำเป็นเรื่องหนึ่ง ลูกค้าส่วนใหญ่จะไม่ดำเนินการกับสิ่งเหล่านั้นและเมื่อถึงเวลาที่การแจ้งเตือนแสงสุริยะดับลง หลังจากการปะทุเริ่มขึ้นแล้วก็มักจะสายเกินไปที่จะดำเนินการป้องกัน เราต้องการพัฒนาการเตือน การปะทุที่มีความน่าเชื่อถือสูงโดย ช่วงความถี่การเตือน ๓ ถึง ๑๒ ชั่วโมง เพื่อให้สามารถดำเนินการอย่างเด็ดขาดและทันท่วงที โดยผู้ใช้ที่จะได้รับผลกระทบจากเปลวไฟแสงอาทิตย์และ CME ที่ตามมา” เบอร์เกอร์กล่าว |
| เข้าสู่ Machine Learning มีการปะทุขนาดเล็กอย่างต่อเนื่องที่เกิดขึ้นภายในบริเวณที่มีการใช้งานจุดดับบนดวงอาทิตย์ นักวิทยาศาสตร์สังเกตเห็นมานานแล้วว่าพวกมันดูเหมือนจะเพิ่มขึ้นก่อนที่จะมีเปลวไฟขนาดใหญ่ขึ้นและการพุ่งออกของมวลหลอดเลือดหัวใจ แต่ก็เป็นเพียงการสังเกตเล็กน้อยเท่านั้น ปัญญาประดิษฐ์สามารถเปลี่ยนแปลงสิ่งนั้นได้ |
| มนุษย์มองดูภาพยนต์เรื่องดวงอาทิตย์มาหลายปีแล้ว แต่มีเรื่องมากมายเกิดขึ้น มันซับซ้อนมากไม่มีใครสามารถ ดูภาพยนตร์หลายความยาวคลื่นเหล่านี้และตรวจจับรูปแบบได้ ระบบ Machine Learning สามารถทำได้ เบอร์เกอร์กล่าว |
| การตรวจจับ มันคือการวิเคราะห์ข้อมูลมากมาย มากเกินกว่าที่คอมพิวเตอร์ทั่วไปจะจัดการได้ จำเป็นต้องเพิ่มแรงม้า ทีมงานที่ครอบคลุม หนึ่งในพันธมิตรด้านการวิจัยของพวกเขาคือบริษัท NVIDIA |
| แม้ว่า บริษัท จะเป็นที่รู้จักของสาธารณชนเป็นหลักในเรื่องคอมพิวเตอร์กราฟิกที่ใช้ในวิดีโอเกมความละเอียดสูง แต่เทคโนโลยีของพวกเขาก็มักใช้ในการวิจัยปัญญาประดิษฐ์ |
| พวกเขารู้สึกสนใจในการประยุกต์ใช้เทคโนโลยีทางวิทยาศาสตร์มาก เบอร์เกอร์กล่าว “ งานนี้อยู่ในขอบเขตของวิดีโอพยากรณ์ โดยใช้โครงข่ายประสาทเทียมแบบ space-time convolutional ซึ่งกำลังได้รับการพัฒนาใช้งานกับยานยนต์ขับเคลื่อนด้วยตัวเอง สิ่งที่เกิดขึ้นในตอนนี้และสิ่งที่จะเกิดขึ้นต่อไป เรากำลังสำรวจว่าแนวคิดเดียวกันนี้สามารถนำไปใช้กับดวงอาทิตย์ได้หรือไม่ |
| การพัฒนากำลังดำเนินการต่อเนื่อง เมื่อระบบพร้อมแล้วพวกเขาจะเริ่ม Train ระบบ (Machine Learning) โดยใช้ภาพวิดีโอจาก Solar Dynamics Observatory ของ NASA ซึ่งเป็นดาวเทียมถ่ายวิดีโอดวงอาทิตย์อย่างต่อเนื่องมาเป็นเวลาสิบปี |
| ระบบจะวิเคราะห์สภาพพื้นผิว โดยค้นหาารูปแบบเชิงพื้นที่ – ชั่วคราว ที่อาจนำไปสู่การปะทุครั้งใหญ่ นี่เป็นการทดลองทั้งหมด เบอร์เกอร์กล่าว แต่มันอาจมีประโยชน์มากมายถ้ามันใช้งานได้ มีความจำเป็นอย่างแท้จริงในการแจ้งเตือนการปะทุของแสงอาทิตย์ที่กำลังจะเกิดขึ้นอย่างถูกต้องและทันท่วงที |
| นอกจาก Berger และ NVIDIA แล้วพันธมิตรเพิ่มเติมในการให้ทุน ได้แก่ Elizabeth Bradley, Varad Deshmukh และ Claire Monteleoni ในภาควิชาวิทยาการคอมพิวเตอร์, Natasha Flyer และ James Meiss ในภาควิชาคณิตศาสตร์ประยุกต์และ Bala Poduval จากมหาวิทยาลัยนิวแฮมป์เชียร์ |
| ที่มา https://www.colorado.edu/engineering/2020/12/08/building-artificial-intelligence-study-sun ลงบทความโดย Jeff Zhender เมื่อ ๘ ธ.ค.๖๓ แปลและเรียบเรียง เรืออากาศเอกยุทธนา สุพรรณกลาง |
การสร้างเทคโนโลยีปัญญาประดิษฐ์สู่การเรียนรู้ดวงอาทิตย์
- รายละเอียด
- หมวดหลัก: กองลาดตระเวนและเฝ้าตรวจทางอวกาศ
- หมวด: ข่าวเทคโนโลยีอวกาศ
- ฮิต: 610