Memburu Gumpalan Kosmik: Program AI Baru Mengungkap Plasmoid yang Sulit Ditemukan
Para peneliti di Laboratorium Fisika Plasma Princeton telah mengembangkan program pembelajaran mesin untuk mendeteksi plasmoid di luar angkasa, yang dapat secara signifikan meningkatkan pemahaman kita tentang penyambungan kembali magnetik—sebuah fenomena yang memengaruhi satelit dan jaringan listrik. Dengan menganalisis information dari pesawat antariksa di magnetosfer dengan program yang dilatih pada information simulasi, tim tersebut bertujuan untuk memajukan pengetahuan kita tentang bagaimana plasmoid memengaruhi proses penyambungan kembali. Kredit: Kyle Palmer / Departemen Komunikasi PPPL
Ilmuwan di PPPL telah menciptakan sebuah pembelajaran mesin program untuk mengidentifikasi ruang plasma formasi yang disebut plasmoid, bertujuan untuk lebih memahami dan mengelola dampak penyambungan kembali magnetik pada satelit dan sistem tenaga.
Dalam permainan petak umpet kosmik, para ilmuwan memperoleh keuntungan baru. Fisikawan di Laboratorium Fisika Plasma Princeton (PPPL) Departemen Energi AS telah menciptakan program komputer yang menggunakan pembelajaran mesin untuk mengidentifikasi gumpalan plasma di luar angkasa, yang dikenal sebagai plasmoid. Uniknya, program ini telah dilatih dengan information simulasi.
Program ini akan menyaring tumpukan information yang dikumpulkan oleh wahana antariksa di magnetosfer, wilayah luar angkasa yang sangat dipengaruhi oleh medan magnet Bumi, dan menandai tanda-tanda yang menunjukkan gumpalan yang sulit dipahami itu. Dengan menggunakan teknik ini, para ilmuwan berharap dapat mempelajari lebih lanjut tentang proses yang mengatur penyambungan kembali magnetik, sebuah proses yang terjadi di magnetosfer dan di seluruh alam semesta yang dapat merusak satelit komunikasi dan jaringan listrik.
Para ilmuwan meyakini bahwa pembelajaran mesin dapat meningkatkan kemampuan penemuan plasmoid, membantu pemahaman dasar tentang penyambungan kembali magnetik, dan memungkinkan peneliti untuk lebih siap menghadapi akibat gangguan yang disebabkan oleh penyambungan kembali.
“Sejauh yang kami ketahui, ini adalah pertama kalinya ada orang yang menggunakan kecerdasan buatan “Mereka dilatih pada information simulasi untuk mencari plasmoid,” kata Kendra Bergstedt, mahasiswa pascasarjana di Program Fisika Plasma Princeton, yang berbasis di PPPL. Bergstedt adalah penulis pertama makalah yang melaporkan hasil tersebut dalam Ilmu Bumi dan AntariksaPekerjaan ini memadukan keahlian Lab yang terus berkembang dalam ilmu komputasi dengan sejarah panjangnya dalam mengeksplorasi penyambungan kembali magnetik.
Mencari tautan
Para ilmuwan ingin menemukan metode yang andal dan akurat untuk mendeteksi plasmoid sehingga mereka dapat menentukan apakah plasmoid memengaruhi penyambungan kembali magnetik, sebuah proses yang terdiri dari garis-garis medan magnet yang terpisah, saling menempel kembali dengan keras, dan melepaskan sejumlah besar energi. Ketika terjadi di dekat Bumi, penyambungan kembali dapat memicu serangkaian partikel bermuatan yang jatuh ke atmosfer, mengganggu satelit, ponsel, dan jaringan listrik. “Beberapa peneliti percaya bahwa plasmoid membantu penyambungan kembali yang cepat dalam plasma besar,” kata Hantao Ji, profesor ilmu astrofisika di Universitas Princeton dan seorang peneliti terkemuka di PPPL. “Namun hipotesis tersebut belum terbukti.”
Para peneliti ingin mengetahui apakah plasmoid dapat mengubah laju terjadinya penyambungan kembali. Mereka juga ingin mengukur seberapa banyak energi yang diberikan penyambungan kembali kepada partikel plasma. “Namun untuk memperjelas hubungan antara plasmoid dan penyambungan kembali, kita harus mengetahui di mana plasmoid berada,” kata Bergstedt. “Itulah yang dapat dilakukan pembelajaran mesin.”
Para ilmuwan menggunakan information pelatihan yang dihasilkan komputer untuk memastikan program dapat mengenali berbagai tanda plasma. Biasanya, plasmoid yang dibuat oleh mannequin komputer adalah versi ideally suited berdasarkan rumus matematika dengan bentuk — seperti lingkaran sempurna — yang jarang terjadi di alam. Jika program dilatih hanya untuk mengenali versi sempurna ini, program mungkin tidak mengenali versi dengan bentuk lain. Untuk mencegah kesalahan tersebut, Bergstedt dan Ji memutuskan untuk menggunakan information buatan yang sengaja dibuat tidak sempurna sehingga program akan memiliki dasar yang akurat untuk penelitian di masa mendatang. “Dibandingkan dengan mannequin matematika, dunia nyata itu berantakan,” kata Bergstedt. “Jadi kami memutuskan untuk membiarkan program kami belajar menggunakan information dengan fluktuasi yang akan Anda dapatkan dalam pengamatan sebenarnya. Misalnya, daripada memulai simulasi kami dengan lembar arus listrik yang datar sempurna, kami memberikan beberapa goyangan pada lembar kami. Kami berharap bahwa pendekatan pembelajaran mesin dapat memungkinkan lebih banyak nuansa daripada mannequin matematika yang ketat.” Penelitian ini dibangun berdasarkan upaya sebelumnya di mana Bergstedt dan Ji menulis program komputer yang menggabungkan mannequin plasmoid yang lebih ideally suited.
Menurut para ilmuwan, penggunaan pembelajaran mesin akan semakin umum dalam penelitian astrofisika. “Ini khususnya dapat membantu saat membuat ekstrapolasi dari sejumlah kecil pengukuran, seperti yang terkadang kita lakukan saat mempelajari rekoneksi,” kata Ji. “Dan cara terbaik untuk mempelajari cara menggunakan alat baru adalah dengan benar-benar menggunakannya. Kita tidak ingin berdiri di pinggir lapangan dan kehilangan kesempatan.”
Bergstedt dan Ji berencana untuk menggunakan program pendeteksi plasmoid untuk memeriksa information yang dikumpulkan oleh NASAMisi Magnetospheric Multiscale (MMS) milik NASA. Diluncurkan pada tahun 2015 untuk mempelajari penyambungan kembali, MMS terdiri dari empat pesawat antariksa yang terbang dalam formasi melalui plasma di ekor magnet, space di luar angkasa yang menjauhi matahari yang dikendalikan oleh medan magnet Bumi.
Ekor magneto merupakan tempat yang ideally suited untuk mempelajari penyambungan kembali karena menggabungkan aksesibilitas dengan skala. “Jika kita mempelajari penyambungan kembali dengan mengamati matahari, kita hanya dapat melakukan pengukuran dari jauh,” kata Bergstedt. “Jika kita mengamati penyambungan kembali di laboratorium, kita dapat meletakkan instrumen kita langsung ke plasma, tetapi ukuran plasma akan lebih kecil daripada yang biasanya ditemukan di luar angkasa.” Mempelajari penyambungan kembali di ekor magneto merupakan pilihan tengah yang ideally suited. “Itu adalah plasma besar dan terjadi secara alami yang dapat kita ukur secara langsung menggunakan pesawat antariksa yang terbang melewatinya,” kata Bergstedt.
Saat Bergstedt dan Ji menyempurnakan program pendeteksi plasmoid, mereka berharap dapat mengambil dua langkah penting. Yang pertama adalah melakukan prosedur yang dikenal sebagai adaptasi area, yang akan membantu program menganalisis kumpulan information yang belum pernah ditemuinya sebelumnya. Langkah kedua melibatkan penggunaan program untuk menganalisis information dari wahana antariksa MMS. “Metodologi yang kami tunjukkan sebagian besar merupakan bukti konsep karena kami belum mengoptimalkannya secara agresif,” kata Bergstedt. “Kami ingin membuat mannequin tersebut bekerja lebih baik dari sekarang, mulai menerapkannya pada information nyata, lalu kami akan mulai dari sana!”
Referensi: “Metode Baru untuk Melatih Mannequin Klasifikasi untuk Deteksi Struktur dalam Information Pesawat Luar Angkasa In Situ” oleh Ok. Bergstedt dan H. Ji, 11 Juni 2024, Ilmu Bumi dan Antariksa.
Nomor Induk Kependudukan: 10.1029/2023EA002965
Penelitian ini didukung oleh program Ilmu Energi Fusi DOE di bawah kontrak DE-AC0209CH11466, oleh NASA di bawah hibah NNH15AB29I dan 80HQTR21T0105, dan oleh Beasiswa Penelitian Pascasarjana Nationwide Science Basis di bawah hibah DGE-2039656.
