Новый подход позволит извлечь максимум информации из архивных данных
МОСКВА, 15 апреля. /ТАСС/. Российские и зарубежные астрономы разработали систему машинного обучения, способную автоматически анализировать и объединять в единую целостную картину результаты десятилетних наблюдений за Солнцем при помощи разных инструментов. Новый подход позволит извлечь максимум информации из архивных данных, сообщила пресс-служба "Сколтеха" (входит в группу ВЭБ.РФ).
"Наша работа выходит за рамки простого улучшения старых изображений: мы создаем универсальный язык для изучения эволюции Солнца. Высокопроизводительные вычислительные системы "Сколтеха" помогли нам обучить ИИ-модели, которые выявляют скрытые взаимосвязи в десятилетиях наблюдений и обнаруживают закономерности в масштабе нескольких солнечных циклов", - пояснила директор Центра системного проектирования Сколтеха Татьяна Подладчикова, чьи слова приводит пресс-служба вуза.
Как отмечают ученые, за последние несколько десятилетий ученые накопили гигантский объем данных, связанных с наблюдениями за активностью Солнца. Все эти сведения внесли важный вклад в изучение процессов, управляющих "космической погодой", однако в силу различий в разрешающей способности, чувствительности телескопов, а также методик ведения наблюдений их крайне сложно совместить и объединить.
Для решения этой проблемы специалисты "Сколтеха" и их коллеги из Грацского университета в Австрии и Высокогорной обсерватории Национального центра атмосферных исследований США (HAO NSF NCAR) разработали алгоритм, построенный на базе так называемых GAN-нейросетей. Они представляют собой особый класс "творческих" систем ИИ, состоящих из двух половин, одна из которых генерирует изображения, а вторая оценивает их качество.
В данном случае ученые поменяли работу GAN-нейросети таким образом, что одна из ее половин искусственно ухудшает качество изображений, вторая - восстанавливает их до эталонного уровня. Это позволяет объединять наборы снимков, полученных при помощи разных телескопов даже при отсутствии эталонных изображений, а также улучшать их качество и извлекать новые научные данные из уже изученных баз данных.
При помощи подхода ученым удалось объединить данные за 24 года космических наблюдений, повысить разрешение снимков полного диска Солнца, снизить атмосферный шум в изображениях Солнца, полученных с Земли, и даже оценить величину магнитных полей на дальней стороне Солнца с использованием только данных наблюдений в экстремальном ультрафиолете. Как надеются исследователи, созданный ими алгоритм позволит получить массу новых сведений о свойствах и поведении светила из уже накопленных данных.
