Создан "ИИ-учёный" для расшифровки наблюдений за Солнцем

Современные телескопы становятся все более совершенными, что позволяет проводить точные наблюдения

Группа зарубежных учёных совместно с программистами разработала нейросеть ИТИ (ITI), которая объединяет данные за десятилетия наблюдений Солнца. 

Искусственный интеллект способен автоматически анализировать большие массивы данных, корректировать погрешности телескопов и извлекать максимум информации для детального изучения звезды.

Современные телескопы становятся все более совершенными, что позволяет проводить точные наблюдения за Солнцем. Но с каждым новым поколением приборов возникает проблема — различия в данных. Сравнивать новые наблюдения с архивными становится сложнее из-за различий в разрешении, калибровке и качестве данных. Это затрудняет изучение долговременных изменений и редких явлений на Солнце.

Решение проблемы — искусственные интеллекты. Ученые из Грацского университета в Австрии, Сколковского института науки и технологий и Высокогорной обсерватории Национального центра атмосферных исследований США создали новую систему глубокого машинного обучения ИТИ. Новый ИИ позволяет передавать данные с одного прибора на другой, даже если их никогда не использовали вместе. Нейросеть выявляет и переносит свойства последних наблюдений на старые данные, создавая единую картину.

БЯМ работает на основе двух конкурирующих нейросетей. Одна намеренно ухудшает качество изображений, другая восстанавливает их до идеального уровня. Используются реальные данные с имитацией искажений каждого инструмента на сайте Izzi Casino . Обученная система преобразует старые зашумленные данные в высококачественные изображения, сравнимые с современными космическими снимками, сохраняя важные детали.

ИТИ прошла тесты на нескольких наборах данных. Этот "цифровой дух" объединил данные за 24 года наблюдений, улучшила четкость изображений Солнца, уменьшила влияние атмосферы на снимки с Земли и определила силу магнитных полей на обратной стороне звезды по данным в ультрафиолетовом диапазоне.

Авторы разработки отмечают, что нейросеть не заменяет наблюдения, а помогает извлекать важную информацию из существующих данных, открывая новые возможности для ученых.

30 апреля 2025, 21:19 | Просмотры: 30

Добавить новый комментарий

Для добавления комментария, пожалуйста войдите

0 комментариев