एआय नॉर्दर्न लाइट्सचे वर्गीकरण आणि भूचुंबकीय वादळाचा अंदाज वाढवते

उत्तरेकडील दिव्यांच्या वर्गीकरणात आणि अभ्यासात शास्त्रज्ञांना मदत करून, कृत्रिम बुद्धिमत्तेद्वारे ऑरोरल संशोधनात एक प्रगती झाली आहे. पृथ्वीवरील गंभीर दळणवळण आणि सुरक्षा प्रणालींमध्ये व्यत्यय आणू शकतील अशा भूचुंबकीय वादळांच्या चांगल्या अंदाजासाठी मार्ग मोकळा करून, ऑरोरल घटनेच्या 700 दशलक्षाहून अधिक प्रतिमा क्रमवारी आणि लेबल केल्या गेल्या आहेत. वर्गीकरण NASA च्या THEMIS डेटासेटमधून उद्भवते, जे उत्तर अमेरिकेतील 23 मॉनिटरिंग स्टेशन्समधून दर तीन सेकंदांनी ऑरोरांच्या प्रतिमा रेकॉर्ड करते. प्रगतीमुळे पृथ्वीच्या चुंबकीय क्षेत्रासह सौर वाऱ्याच्या परस्परसंवादाची समज लक्षणीयरीत्या वाढेल अशी अपेक्षा आहे.

डेटासेट वर्गीकरण आणि तंत्र

त्यानुसार phys.org मधील अहवालांनुसार, न्यू हॅम्पशायर विद्यापीठातील संशोधकांनी एक नाविन्यपूर्ण मशीन-लर्निंग अल्गोरिदम विकसित केला ज्याने 2008 आणि 2022 दरम्यान गोळा केलेल्या THEMIS डेटाचे विश्लेषण केले. प्रतिमा सहा वेगळ्या श्रेणींमध्ये वर्गीकृत केल्या गेल्या: आर्क, डिफ्यूज, डिस्क्रिट, ढगाळ, चंद्र, आणि स्पष्ट/नाही अरोरा. व्यापक ऐतिहासिक डेटासेटमधील अर्थपूर्ण अंतर्दृष्टींमध्ये प्रवेश सुधारणे हा उद्देश होता, ज्यामुळे वैज्ञानिकांना डेटाचे कार्यक्षमतेने फिल्टर आणि विश्लेषण करता येते.

जेरेमिया जॉन्सन, उपयोजित अभियांत्रिकी आणि विज्ञानाचे सहयोगी प्राध्यापक, यांनी phys.org ला सांगितले की विशाल डेटासेटमध्ये पृथ्वीच्या संरक्षणात्मक चुंबकीय क्षेत्राविषयी महत्त्वपूर्ण माहिती आहे. त्याच्या आधीच्या स्केलमुळे संशोधकांसाठी तिची क्षमता प्रभावीपणे वापरणे आव्हानात्मक होते. हा विकास एक उपाय ऑफर करतो, ज्यामुळे ऑरोरल वर्तनाचा जलद आणि अधिक व्यापक अभ्यास करता येतो.

भविष्यातील संशोधनावर परिणाम

असे सुचवण्यात आले आहे की वर्गीकृत डेटाबेस ऑरोरल डायनॅमिक्सवरील चालू आणि भविष्यातील संशोधनासाठी मूलभूत संसाधन म्हणून काम करेल. आता एका दशकाहून अधिक डेटा संयोजित केल्यामुळे, संशोधकांना अवकाश-हवामानातील घटना आणि पृथ्वीच्या प्रणालींवर त्यांचे परिणाम तपासण्यासाठी सांख्यिकीयदृष्ट्या महत्त्वपूर्ण नमुना आकारात प्रवेश आहे.

अलास्का-फेअरबँक्स विद्यापीठ आणि नासाच्या गोडार्ड स्पेस फ्लाइट सेंटरच्या सहयोगींनीही या प्रकल्पात योगदान दिले. या संदर्भात AI चा वापर अंतराळ विज्ञानाच्या क्षेत्रातील विशाल डेटासेटद्वारे निर्माण झालेल्या आव्हानांना तोंड देण्यासाठी तंत्रज्ञानाच्या वाढत्या भूमिकेवर प्रकाश टाकतो.