استخدمت دراسة أجراها باحثون من جامعة أرييل ونشرت في مجلة الفيزياء الفلكية التعلم العميق لتحليل بيانات الإشعاع الصادرة عن أقمار الاتصالات التي تجمعها وكالة ناسا منذ التسعينيات ونجحت بمساعدة التعلم الآلي في التنبؤ بالعواصف الشمسية قبل ما يصل إلى 96 ساعة من بدايتها للتأثير على الأرض * تم إجراء البحث بدعم من وكالة الفضاء الإسرائيلية
اكتشف باحثون من جامعة أرييل طريقة للتنبؤ بتدفقات قوية من الإشعاع، تعرف باسم العواصف الشمسية، قبل 96 ساعة من حدوثها. يمكن أن يكون للإشعاع الضار الناتج عن هذه الانفجارات تأثير كبير على حياتنا، حيث أنه عندما تكون هذه العواصف قوية بما فيه الكفاية، فإنها يمكن أن تنتج اضطرابات في طبقات مختلفة من الغلاف الجوي حيث تمر الاتصالات وإشارات نظام تحديد المواقع العالمي (GPS)، وبالتالي تعطيل نشاط الأقمار الصناعية وأنظمة الملاحة، كما فضلا عن التسبب في انقطاع الاتصالات وشبكات الكهرباء الوطنية. تم الطريق إلى التنبؤ من خلال دمج أساليب التعلم العميق التي تعتمد على الأحداث الماضية، وهو موضوع فرعي في مجال الذكاء الاصطناعي، بالاشتراك مع قياسات الأشعة السينية التي تم تنفيذها من الأقمار الصناعية *GOES التابعة للمركز الوطني الأمريكي للمحيطات والمحيطات. إدارة الغلاف الجوي (NOAA) للتنبؤ بأقوى العواصف الشمسية.
الطقس الفضائي هو مجال بحثي جديد يتناول التفاعلات والتأثيرات المختلفة للشمس والمصادر الكونية الأخرى في الطبقات المختلفة المحيطة بالأرض (في الغلاف المغناطيسي والغلاف الأيوني والغلاف الحراري للأرض). يمكن لظواهر مثل العواصف الشمسية وانفجارات الأشعة السينية الناشئة عن نشاط الشمس أن تسبب أضرارًا لشبكات الطاقة الوطنية، وتتداخل مع الاتصالات عبر الأقمار الصناعية وتضر بصحة رواد الفضاء، عندما تتجاوز شدة الانفجارات عتبة قيمة معينة. يمكن أن تصل الأضرار الناجمة عن هذه الظواهر إلى ملايين الدولارات وأشهر عديدة من أعمال الترميم. لا يزال التنبؤ الدقيق بأحداث الطقس الفضائي في الزمان والمكان، مثل العواصف الشمسية، يمثل تحديًا بحثيًا مهمًا في علوم ناسا، والذي يمكن فك شفرته باستخدام منهجيات الذكاء الاصطناعي، والتي يمكن أن توفر معلومات مهمة حول اتخاذ القرارات في الوقت الفعلي فيما يتعلق بالأمور المهمة. البنية التحتية والأنظمة الحساسة.
البيانات الضخمة والتعلم العميق
إلى جانب التقدم في تقنيات البيانات الضخمة المعتمدة على التخزين السحابي وتطور الأجهزة في السنوات الأخيرة في وحدات المعالجة الرسومية (GPUs)، أصبحت مجالات التعلم الآلي (Machine Learning) والتعلم العميق (Deep Learning) هي النهج الذي تساعد التخصصات العلمية التي تتعامل مع تراكم البيانات على مستويات مختلفة سواء في المكان أو الزمان باستخدام تقنيات الاستشعار عن بعد من الأرض والفضاء من أجل دمجها مع أساليب الذكاء الاصطناعي المختلفة. التطبيقات القائمة على التعلم الآلي قادرة على تشخيص الأنماط والارتباطات والتبعيات الرياضية في البيانات المقاسة، بالإضافة إلى الكشف عن مجموعات ضخمة من البيانات المخفية من أجل اكتشاف الخصائص التي تصف الوظيفة الموضوعية على أفضل وجه.
ووجد الباحثون أنه يمكن استخدام أساليب التعلم العميق جنبًا إلى جنب مع قياسات الأشعة السينية من الأقمار الصناعية GOES لإنتاج تنبؤات بالعواصف الشمسية القوية (النوع X وM) قبل حدوثها بما يصل إلى 96 ساعة.
واستنادا إلى التحليل السابق لتأثير العواصف الشمسية على قيم شدة الأشعة السينية التي تم قياسها في الفضاء خلال العشرين عاما الماضية، تمكن الباحثون من تصميم شبكة عصبية متطورة ذات طبقتين (الشبكة العصبية التلافيفية) التي تنتج التنبؤات. لأحداث العواصف الشمسية من الفئة M وX في أطر زمنية متحركة بين ساعة واحدة وما يصل إلى 20 ساعة (وفقًا لبيانات السلاسل الزمنية للأشعة السينية من منصة GOES (القمر الصناعي البيئي التشغيلي الثابت بالنسبة إلى الأرض :GOES) التي تم جمعها من عام 96، وتمثل آخر دورتين شمسيتين). حقق النموذج المقترح نتائج عالية عبر مختلف المؤشرات مقارنة بالدراسات السابقة من الماضي القريب.
تم إجراء البحث تحت قيادة الدكتور يوفال روفاني باحث ومحاضر من قسم الفيزياء في جامعة أريئيل وباحث أول في مركز مزراح للأبحاث والتطوير، وطالب الدكتوراه والد لاندا من قسم علوم الكمبيوتر في جامعة أريئيل. وبدعم من وكالة الفضاء الإسرائيلية ووزارة العلوم والتكنولوجيا.
المزيد عن الموضوع على موقع العلوم:
