Sebuah teleskop surya memiliki pekerjaan yang sulit. Mengamati Matahari membutuhkan pemboman konstan dari aliran partikel matahari yang tak ada habisnya dan sinar matahari yang intens. Seiring waktu, lensa sensitif dan sensor teleskop surya mulai rusak. Untuk memastikan keakuratan data yang dikirim oleh instrumen tersebut, para ilmuwan secara berkala mengkalibrasi ulang untuk memastikan mereka memahami bagaimana instrumen berubah.
NASA Solar Dynamics Observatory dibuka pada 2010, atau SD, telah menyediakan gambar Matahari beresolusi tinggi selama lebih dari 10 tahun. Gambar-gambar ini telah memberi para ilmuwan pandangan terperinci tentang berbagai fenomena matahari yang dapat menyebabkan cuaca luar angkasa dan memengaruhi astronot dan teknologi kita di Bumi dan di luar angkasa. Atmospheric Imager Assembly, atau AIA, adalah salah satu dari dua instrumen pencitraan pada SDO yang terus-menerus melihat Matahari, mengambil gambar dalam 10 panjang gelombang sinar ultraviolet setiap 12 detik. Ini menghasilkan sejumlah besar informasi tentang Matahari, tetapi seperti semua instrumen pengamatan matahari, AIA menurun seiring waktu dan data harus sering dikalibrasi.
Sejak peluncuran SDO, para ilmuwan telah menggunakan roket bersuara untuk mengkalibrasi AIA, yang merupakan roket kecil yang biasanya hanya membawa beberapa instrumen dan melakukan penerbangan luar angkasa singkat -- sekitar 15 menit -- mereka terbang di atas sebagian besar atmosfer bumi, memungkinkan instrumen di atas kapal untuk terbang. lihat panjang gelombang ultraviolet, diukur dengan AIA. Panjang gelombang cahaya ini diserap oleh atmosfer bumi dan tidak dapat diukur dari tanah. Untuk mengkalibrasi AIA, para ilmuwan memasang teleskop ultraviolet ke roket yang terdengar dan membandingkan data itu dengan pengukuran AIA.
Metode kalibrasi roket yang terdengar memiliki sejumlah kelemahan. Roket mungkin tidak diluncurkan sesering ketika AIA terus-menerus melihat ke Matahari. Ini berarti bahwa di antara setiap kalibrasi roket probe ada periode waktu henti di mana kalibrasi sedikit mati.
Kalibrasi Virtual NASA
Dengan mengingat masalah ini, para ilmuwan memutuskan untuk mempertimbangkan opsi lain untuk mengkalibrasi perangkat dengan maksud untuk kalibrasi permanen. Pembelajaran mesin, teknik yang digunakan dalam kecerdasan buatan, tampaknya sangat cocok. Seperti namanya, pembelajaran mesin membutuhkan program komputer atau algoritme untuk mempelajari cara melakukan suatu tugas.
Pertama, para peneliti harus melatih algoritma pembelajaran mesin untuk mengenali struktur matahari dan membandingkannya menggunakan data AIA. Untuk melakukan ini, mereka menyediakan algoritme dengan gambar yang diperoleh selama penerbangan kalibrasi suara roket dan memberi tahu berapa banyak kalibrasi yang mereka butuhkan. Setelah cukup banyak contoh ini, mereka memberi makan algoritma gambar yang sama dan melihat apakah itu dapat menentukan kalibrasi yang diperlukan. Dengan data yang cukup, algoritme belajar menentukan berapa banyak kalibrasi yang diperlukan untuk setiap gambar.
Karena AIA melihat Matahari dalam panjang gelombang cahaya yang berbeda, peneliti juga dapat menggunakan algoritme untuk membandingkan struktur tertentu pada panjang gelombang yang berbeda dan membuat perkiraan yang lebih akurat.
Mereka pertama-tama mengajarkan algoritme seperti apa suar matahari dengan menunjukkan jilatan api matahari di semua panjang gelombang AIA sampai ia mengenali jilatan api matahari di semua jenis cahaya yang berbeda. Setelah program mengenali suar matahari tanpa degradasi apa pun, algoritme dapat menentukan seberapa besar degradasi tersebut memengaruhi gambar AIA saat ini dan berapa banyak kalibrasi yang diperlukan untuk masing-masingnya.
"Itu adalah peristiwa besar," kata Dr. Louis Dos Santos. "Alih-alih hanya mengidentifikasi mereka pada panjang gelombang yang sama, kami mengidentifikasi struktur pada panjang gelombang yang berbeda." Artinya peneliti bisa lebih percaya diri dalam kalibrasi yang ditentukan oleh algoritma. Memang, ketika membandingkan data kalibrasi virtual mereka dengan data kalibrasi roket yang terdengar, program pembelajaran mesin terbukti berada di atas. Dengan proses baru ini, para ilmuwan siap untuk terus mengkalibrasi gambar AIA di antara penerbangan roket kalibrasi, meningkatkan akurasi data SDO bagi para peneliti.
Baca juga: