„Killerelektronen“, die sich mit nahezu Lichtgeschwindigkeit im Van-Allen-Gürtel der Erde bewegen – der Zone, die den Planeten umgibt und energiegeladene Teilchen einfängt – stellen eine große Bedrohung für Geräte im Weltraum dar, da sie Fehlfunktionen in der Elektronik verursachen.
Jetzt nutzen Forscher in einer Zusammenarbeit zwischen dem Los Alamos National Laboratory und der University of North Carolina in Chapel Hill maschinelles Lernen, eine Anwendung künstlicher Intelligenz, um ein Vorhersagemodell zur Messung von Elektronen im äußeren Strahlungsgürtel der Erde zu verbessern.
„Diese Studie beweist die Machbarkeit der Nutzung der Teilchendaten des Labors zur Vorhersage der Dynamik von Killerelektronen“, sagte Yue Chen, ein Physiker aus Los Alamos und Hauptautor der neuen Forschung. „Inzwischen zeigt es die Bedeutung langfristiger Weltraumbeobachtungen im KI-Zeitalter.“
Die Forschung war veröffentlicht kürzlich in der Zeitschrift Weltraumwetter und ist ein wichtiger Schritt vorwärts bei der Verbesserung der Fähigkeiten zur Weltraumwettervorhersage und beim Schutz von Satelliten.
Die neue Vorhersagefunktion des Teams namens Predictive MeV Electron – Medium Earth Orbit oder PreMevE-MEO kann genauere und effizientere stündliche Vorhersagen liefern. Zu den Modelleingaben von PreMevE-MEO gehören Elektronen, die von 12 GPS-Satelliten mit mittlerer Erdumlaufbahn und einem geosynchronen Satelliten in der Erdumlaufbahn von Los Alamos beobachtet wurden. Das Team entwickelte einen innovativen Algorithmus für maschinelles Lernen, der Faltungs-Neuronale Netze mit Transformatoren kombiniert, um das Modell zu verbessern.
Als Ergebnis haben die Forscher gezeigt, dass es möglich ist, hochpräzise Vorhersagen zu treffen, die auf Beobachtungen langjähriger Weltrauminfrastruktur in mittlerer Erdumlaufbahn basieren, der Entfernung über der Erde, in der viele Navigations- und Wettersatelliten operieren. Das Modell hat das Potenzial, ein wertvolles Instrument zur Warnung vor dem Weltraumwetter zu werden.
Das neue Modell nutzt auch die einzigartigen GPS-Daten von Los Alamos, die Röntgendosimeter-Partikeldaten kombinieren, die erstmals 2017 der Öffentlichkeit zugänglich gemacht wurden und von den National Centers for Environmental Information der National Oceanic and Atmospheric Administration archiviert werden.
Ein einzigartiger Aspekt dieser Daten besteht darin, dass es sich im Gegensatz zu herkömmlichen Forschungsmissionen der NASA um eine langfristige Konstellation handelt, bei der mehr als 100 Satellitenjahre an Daten verfügbar sind. Es ist eine der wenigen Weltraumressourcen, die wirklich in die Kategorie Big Data fällt, in der moderne KI-Ansätze angewendet werden können.
Diese Arbeit unterstützt den jüngsten Umsetzungsplan für die Nationale Strategie und den Aktionsplan für Weltraumwetter, der die Behörden damit beauftragte, historische Daten von Satelliten zu identifizieren und freizugeben; Von der US-Regierung finanzierte, bodengestützte Observatorien und Netzwerke; Messungen im gesamten Stromnetz; und Magnetometer-Datenströme, die für die Verbesserung der Entwicklung, Validierung und Prüfung von Modellen zur Charakterisierung und Vorhersage von Weltraumwetterereignissen von Nutzen wären.
Weitere Informationen:
Yinan Feng et al, PreMevE-MEO: Vorhersage ultrarelativistischer Elektronen mithilfe von Beobachtungen von GPS-Satelliten, Weltraumwetter (2024). DOI: 10.1029/2024SW003975