I ricercatori dell’Università delle Hawaii stanno attualmente impegnati in un progetto ambizioso che sfrutta la potenza del più grande telescopio solare al mondo e l’intelligenza artificiale avanzata per rivoluzionare la nostra comprensione del Sole. Questo progetto mira a analizzare in modo rapido e efficiente enormi quantità di dati solari al fine di prevedere con maggiore precisione fenomeni come le tempeste solari, aprendo così la strada a significativi progressi nella ricerca solare.
Il team di astronomi e scienziati informatici dell’Istituto di Astronomia dell’Università delle Hawaii (IfA) sta portando avanti una ricerca innovativa all’interno del progetto SPIn4D. Questo progetto unisce l’astronomia solare avanzata con la scienza informatica all’avanguardia per elaborare i dati raccolti dal Telescopio Solare Daniel K. Inouye, situato sulla cima dell’Haleakalà a Maui. Il loro lavoro, recentemente pubblicato nell’Astrophysical Journal, si concentra sullo sviluppo di modelli di apprendimento profondo in grado di analizzare rapidamente i massicci dataset generati dal telescopio solare.
Le tempeste solari, oltre a regalare spettacolari aurore boreali, possono rappresentare un rischio per satelliti, comunicazioni radio e reti elettriche. Kai Yang, ricercatore post-dottorato dell’IfA, ha sottolineato l’importanza di comprendere meglio l’atmosfera solare, sottolineando che simulazioni avanzate e l’apprendimento automatico offrono un’opportunità unica per esplorare in tempo quasi reale la complessa atmosfera solare tridimensionale.
Il team di scienziati dell’NSO e dell’Osservatorio ad Alta Quota (HAO) sta utilizzando reti neurali profonde per stimare le proprietà fisiche della fotosfera solare dalle osservazioni ad alta risoluzione del Telescopio Solare Inouye. Questo approccio promette di accelerare notevolmente l’analisi dei volumi massicci di dati prodotti dal telescopio solare, che possono raggiungere decine di terabyte al giorno. Peter Sadowski, professore associato presso il dipartimento di scienze dell’informazione e informatica dell’UH Mānoa, ha evidenziato l’efficacia dell’apprendimento automatico nel fornire risultati rapidi e precisi, consentendo agli astronomi di visualizzare l’atmosfera solare in tempo reale.
Per addestrare i modelli di intelligenza artificiale, il team ha creato un vasto dataset di osservazioni solari simulate, utilizzando il supercomputer Cheyenne della NSF. Hanno generato 120 terabyte di dati che imitano le osservazioni ad alta risoluzione del Telescopio Solare Inouye, e hanno reso pubblicamente disponibile un subset di 13 terabyte insieme a un tutorial dettagliato. L’obiettivo futuro è quello di rilasciare i modelli di apprendimento profondo completamente addestrati come strumento comunitario per l’analisi delle osservazioni solari.
Links:
