Navigation

Automatische Analyse von Sonneneruptionen

 

Astronomische Beobachtungsmissionen sammeln Daten in beträchtlichen Mengen, die nicht mehr von Hand, sondern nur noch automatisch analysiert werden können. Dieses Projekt verwendet Methoden des maschinellen Lernens in der Sonnenforschung, um Sonneneruptionen besser verstehen und vorhersagen zu können.

Porträt / Projektbeschrieb (laufendes Forschungsprojekt)

Die IRIS-Mission sammelt seit 2013 Daten von verschiedenen Schichten der Sonnenatmosphäre. Der entstehende Datensatz ermöglicht es, unser Verständnis der Physik der Sonne zu vertiefen. Doch dazu müssen die grossen Datenmengen zuerst automatisch charakterisiert und durchsucht werden können. Wir entwickeln Methoden, bei denen Rechner lernen im IRIS-Archiv Muster zu erkennen und den zeitlichen Verlauf der beobachteten Sonneneruptionen zu charakterisieren. Darauf basierend möchten wir das Verständnis und die Prognose von Sonneneruptionen massgebend verbessern.

Hintergrund

Die regelmässig auftretenden Eruptionen auf der Sonne können zu Störungen auf der Erde – etwa in Funk- und GPS-Ortungssystemen – aber auch zu Ausfällen in Stromnetzen führen. Bisher versteht die Wissenschaft weder die physikalische Ursache von Sonneneruptionen, noch kann sie diese verlässlich vorhersagen. Weil Sonneneruptionen in vielen verschiedenen komplexen räumlichen und zeitlichen Mustern auftreten, ist die systematische Analyse dieser Phänomene erheblich erschwert.

Ziele

Das Ziel dieses Projekts ist es, die Physik der Sonne besser zu verstehen und Methoden zu entwickeln, um Sonneneruptionen vorhersagen zu können. Dazu verwenden wir das grosse Datenarchiv, das IRIS (Interface Region Imaging Spectrograph), der neuste Sonnensatellit der NASA, anlegt. Wir erstellen Algorithmen des maschinellen Lernens, welche die Daten hinsichtlich räumlicher und zeitlicher Muster auswerten.

Bedeutung / Anwendung

Da Sonneneruptionen zu weitreichenden Beeinträchtigungen auf der Erde führen können, ist ihre Vorhersage von grosser Bedeutung. Sie kann etwa für die Planung von Flügen und für den Betrieb von Satelliten und Stromnetz dienlich sein und so allfällige Eruptionsschäden verkleinern. Überdies können die von uns entwickelten Algorithmen und Bildverarbeitungsmethoden für die Analyse weiterer Datensätze – in der Wissenschaft oder in der Industrie – verwendet werden.

Originaltitel

Machine Learning based Analytics for Big Data in Astronomy

Projektverantwortliche

  • Professor Svyatoslav Voloshynovskiy, Centre Universitaire d'Informatique, Université de Genève
  • Prof. Samuel Krucker, Fachhochschule Nordwestschweiz, Hochschule für Technik, Windisch
  • Prof. Martin Melchior, Fachhochschule Nordwestschweiz, Hochschule für Technik, Windisch

 

 

Weitere Informationen zu diesem Inhalt

 Kontakt

Professor Svyatoslav Voloshynovskiy Centre Universitaire d'Informatique
Université de Genève
Bâtiment Battelle A
Route de Drize 7 1227 Carouge svolos@unige.ch

Zu diesem Thema