طور العلماء تقنية التعلم العميق للشبكة العصبية لاستخراج معلومات الحركة المضطربة المخفية من ملاحظة الشمس، وأظهرت الاختبارات التي أجريت على ثلاث مجموعات مختلفة من بيانات المحاكاة أنه من الممكن استنتاج الحركة الأفقية من البيانات الخاصة بدرجة الحرارة والحركة الرأسية، وستفيد هذه التقنية في علم الفلك الشمسي ومجالات أخرى مثل فيزياء البلازما وعلوم الاندماج وديناميكيات السوائل.
التعلم العميق للشبكة العصبية
الشمس مهمة لهدف التنمية المستدامة المتمثل في توفير طاقة نظيفة وبأسعار معقولة، سواء كمصدر للطاقة الشمسية أو كمثال طبيعي لطاقة الاندماج، كما أن فهمنا للشمس محدود بالبيانات التي يمكننا جمعها، فمن السهل نسبياً ملاحظة درجة الحرارة والحركة الرأسية للبلازما الشمسية، فالغاز شديد السخونة لدرجة أن ذرات المكون تنقسم إلى إلكترونات وأيونات، لكن من الصعب تحديد الحركة الأفقية.
علماء يطورون شبكة عصبية عميقة لاستخراج معلومات الحركة المضطربة الخفية على الشمس
لمعالجة هذه المشكلة، أنشأ فريق من العلماء بقيادة المرصد الفلكي الوطني في اليابان والمعهد الوطني لعلوم الاندماج نموذجاً للشبكة العصبية، وقاموا بتغذية بياناته من ثلاث عمليات محاكاة مختلفة لاضطراب البلازما، وبعد التدريب، كانت الشبكة العصبية قادرة على استنتاج الحركة الأفقية بشكل صحيح بالنظر إلى الحركة الرأسية ودرجة الحرارة فقط.
استخراج معلومات الحركات المضطربة
كما طور الفريق أيضاً طيفاً جديداً للتماسك لتقييم أداء المخرجات بمقاييس أحجام مختلفة، وأظهر هذا التحليل الجديد أن الطريقة نجحت في التنبؤ بالأنماط واسعة النطاق في الحركة المضطربة الأفقية، لكنها واجهت مشكلة في الميزات الصغيرة، ويعمل الفريق الآن على تحسين الأداء على مستويات صغيرة، ومن المأمول أن يتم تطبيق هذه الطريقة على الملاحظات الشمسية عالية الدقة في المستقبل، مثل تلك المتوقعة من تلسكوب بالون سنرايز-3 ، وكذلك على البلازما المختبرية، مثل تلك التي تم إنشاؤها في أبحاث علوم الاندماج من أجل طاقة جديدة.
المصدر: Phys Org