Նեյրոնային ցանցին «սովորեցրել» են Արեգակի պատկերներում թագային խոռոչներ գտնել

Աստղագետները ստեղծել են նյարդային ցանց, որը կարող է ավտոմատ կերպով որոշել Արեգակի պատկերներում պսակաձև խոռոչների սահմանները: Հնարավոր է, որ այն կարողանա դրանք գտնել աստղի մագնիսական դաշտի կառուցվածքի փոփոխությամբ: Դա կօգնի գիտնականներին ավելի ճշգրիտ կանխատեսել տիեզերական եղանակը, գրում է Սկոլկովոյի գիտության և տեխնոլոգիայի ինստիտուտի մամուլի ծառայությունը:

Պարզեցված՝ Արեգակը կարող է ներկայացվել որպես եռացող պլազմայից գունդ: Դրա վերին շերտերն անընդհատ «խառնվում են»:  Այն նյութի, որից կազմված է մեր լուսաոուն, բարձր էլեկտրական հաղորդունակության պատճառով առաջանում է ուժեղ մագնիսական դաշտ: Այս դաշտի ուժային գծերը հաճախ անցնում են Արեգակի ավելի խիտ շերտերը և մասնատվում են՝ առաջացնելով բծեր, բռնկումներ և, այսպես կոչված, «թագային» արտանետում: Գիտնականները դեռ չեն կարող հստակ ասել, թե ինչպես են տեղի ունենում այդ երևույթները: Բացի այդ, դեռ պարզ չէ, թե ինչպես է ծնվում արեգակնային քամին ՝ տաք գազի հզոր հոսք, որն Արեգակն անընդհատ «դուրս է մղում» տիեզերք:

Սկոլկովոյի գիտության և տեխնոլոգիայի ինստիտուտի ավագ դասախոս Տատյանա Պոդլադչիկովայի և նրա գործընկերների կարծիքով՝ այսպես կոչված «թագային» խոռոչները կարևոր դեր են խաղում արևային քամու և այս աստղի հետ կապված այլ երևույթների ծագման գործում: Ահա այդպես են անվանում գիտնականները Արեգակի մակերեսի համեմատաբար մութ և ցուրտ շրջանները, որոնցում մագնիսական դաշտի գծերը մասնատված են: Արդյունքում Արեգակի պլազման ընկնում է միջմոլորակային միջավայր: Թագային խոռոչները գեոմագնիսական փոթորիկների և «տիեզերական եղանակի» այլ դրսևորումների հիմնական աղբյուրն են այն ժամանակ, երբ լուսատուի բռնկման ակտիվությունը մնում է ցածր:

Պոդլադչիկովան և նրա գործընկերները մշակել են նեյրոնային ցանց, որը թույլ է տալիս ավտոմատ կերպով հայտնաբերել այդպիսի տարածքները և հետևել դրանց չափի և ձևի փոփոխություններին՝ օգտագործելով պատկերներ, որոնք տիեզերական աստղադիտակները ստանում են ուլտրամանուշակագույն ճառագայթման տարբեր տարածքներում՝ Արևի մթնոլորտն ու մակերեսը դիտելիս:

Արհեստական ​​բանականության այս համակարգը սովորեցնելու համար գիտնականները պատրաստել են շուրջ 1700 պատկերներ, որոնք նկարահանվել են SDO տիեզերական աստղադիտարանի կողմից 2010-2017 թվականներին: Թեստը ցույց է տվել, որ նեյրոնային ցանցը հայտնաբերել է թագային խոռոչներ և ճիշտ որոշել դրանց սահմանները 98% դեպքերում:

Բացի այդ, գիտնականները գտել են ապացույցներ, որ իրենց կողմից մշակված AI համակարգը կարող է թագային խոռոչներ գտնել՝ օգտագործելով միայն Արևի մագնիսական դաշտի դիտարկումների ընթացքում ստացված տվյալները՝ օգտագործելով տարբեր ռադիոհեռադիտակներ և այլ գիտական ​​գործիքներ: Տեսականորեն դա հնարավորություն է տալիս հետևել թագային խոռոչների տեսքին՝ երկրային գործիքների միջոցով, ինչը, հնարավոր է, զգալիորեն կբարձրացնի «տիեզերական եղանակի» կանխատեսումների և դրա ներկա վիճակի դիտումների ճշգրտությունը, ամփոփել է Պոդլադչիկովան և նրա գործընկերները: