Ученые разработали метод глубокого обучения нейронной сети для получения информации о скрытом турбулентном движении на основе анализа наблюдений Солнца. Проверки на трех различных наборах данных показали возможность получения информации о горизонтальном движении в результате обработки данных по температуре и вертикальному движению. Этот метод будет полезен физикам-солнечникам, а также может быть использован в других направлениях физической науки, включая физику плазмы, ядерную физику и динамику текучих сред.
Несмотря на то, что Солнце играет важную роль как возобновляемый источник энергии и природный пример термоядерного реактора, изучение нашей звезды ограничены возможностями сбора данных. В то время как получение информации о температуре и вертикальном движении плазмы Солнца является достаточно надежным, сбор данных о горизонтальном движении плазмы существенно затруднен.
Для решения этой проблемы в новой работе группа под руководством Ретаро Ишикавы (Ryohtaroh T. Ishikawa) из Национальной астрономической обсерватории Японии создала модель на основе нейронной сети и обработала с ее помощью три разных набора смоделированных данных по турбулентной плазме. После тренировки нейронная сеть смогла корректно извлекать данные по горизонтальному движению на основе данных по вертикальному движению плазмы и ее температуре.
При попытке команды перейти от анализа крупных участков горизонтального турбулентного движения к более мелким наблюдалось снижение точности прогноза. В настоящее время авторы статьи пытаются решить проблему масштабирования, чтобы сделать свой метод универсальным. Данный метод может быть использован в будущем при анализе наблюдений Солнца в высоком разрешении, проводимых при помощи телескопа SUNRISE-3, установленного на воздушном шаре, а также для изучения получаемых в лаборатории плазм, подобных тем, что изучаются физиками-ядерщиками, осуществляющими поиски новых источников энергии.
Иллюстрация к статье:
Обсуждение