מכניקה נט פורטל מקצועי לזיווד.
מחקרם של ד"ר יובל ראובני המחלקה לפיזיקה אוניברסיטת אריאל ומו"פ מזרח
הדוקטורנט ולד לנדא המחלקה למדעי המחשב אוניברסיטת אריאל
פרסום
ובתמיכת סוכנות החלל הישראלית ומשרד המדע והטכנולוגיה.
החוקרים מאוניברסיטת אריאל מצאו דרך לחזות התפרצויות קרינה רבות עוצמה, המכונות סערות שמש, עד 96 שעות לפני התרחשותם. קרינה מזיקה מהתפרצויות אלו עלולה להשפיע משמעותית על חיינו, שכן כאשר סערות אלו חזקות דיו, הן יכולות לייצר הפרעות בשכבות שונות באטמוספירה שבהן חולפים אותות תקשורות ו GPS ובכך לשבש את פעילות הלוויינים ומערכות הניווט, כמו גם לגרום להפרעות בתקשורת וברשתות החשמל הארציות. הדרך לחיזוי נעשתה באמצעות שילוב שיטות למידה עמוקה (Deep Learning) המסתמכות על אירועי עבר, תת נושא בתחום הבינה המלאכותית, בשילוב מדידות קרינת X המתבצעות מלווייני *GOES השייכים למנהל האוקיינוסים והאטמוספירה הלאומי של ארה״ב (NOAA) לחיזוי סערות השמש המוגדרות כעוצמתיות ביותר.
מזג האוויר חללי (Space Weather) הוא תחום מחקר חדש אשר עוסק באינטראקציות וההשפעות השונות של השמש ומקורות קוסמיים אחרים בשכבות השונות המקיפות את כדור הארץ (במגנטוספירה, יונוספירה והתרמוספירה של כדור הארץ). תופעות כגון סערות שמש והתפרצויות קרני X שמקורן בפעילות השמש, עלולות לגרום נזק לרשתות החשמל הארציות, להפריע לתקשורת לוויינית ולפגוע בבריאותם של אסטרונאוטים, כאשר עוצמת ההתפרציות חורגות מעל סף ערכים מסוים. נזקים מתופעות אלו יכולים להגיע להיקפים של מיליוני דולרים וחודשים רבים של עבודת שיקום. חיזוי מדויק של אירועי מזג אוויר חללי בזמן ובמרחב, כגון סערות שמש עדיין נותר אתגר מחקרי חשוב במדעי כדהו״א, אשר ניתן לפענוח באמצעות מתודולוגיות בינה מלאכותית, שיכולות לספק מידע חשוב אודות קבלת החלטות בזמן אמת לגבי תשתיות חשובות ומערכות רגישות.
לצד ההתקדמות בטכנולוגיות נתוני עתק (Big Data) מבוססות אחסון בענן והתפתחות החומרה בשנים האחרונות ביחידות העיבוד הגרפי (GPUs), תחומי למידת מכונה (Machine Learning) ולמידה עמוקה (Deep Learning) הפכו להיות הגישה המסייעת לדיסציפלינות מדעיות העוסקות בצבירת נתונים בקני מידה משתנים הן במרחב והן בזמן תוך שימוש בטכנולוגיות חישה מרחוק מהקרקע והחלל על מנת לשלבם בשיטות בינה מלאכותית (AI) שונות. יישומים מבוססי למידת מכונה בעלי יכולת לאבחן דפוסים, מתאמים ותלויות מתמטיות בנתונים הנמדדים, וכן לחשוף מערכי נתונים נסתרים עצומים על מנת לגלות מאפיינים אשר מתארים את פונקציית המטרה בצורה הטובה ביותר.
החוקרים מצאו שניתן להשתמש בשיטות למידה עמוקה ביחד עם מדידות קרינת X המתבצעות מלווייני GOES על מנת לייצר תחזיות של סערות שמש רבות עוצמה (מסוג X ו M) עד 96 שעות לפני התרחשותם.
פרסום
על סמך ניתוח העבר של השפעת סערות השמש על ערכי עוצמות קרינת ה X הנמדדות בחלל במהלך ה 20 השנים האחרונות, יכלו החוקרים לתכנן רשת עצבית מתפתחת דו-שכבתית (Convolutional Neural Network) אשר מייצרת תחזיות לאירועי סערות שמש מדרגות M ו- X במסגרות זמן הנעות בין שעה ועד ל -96 שעות (לפי נתוני סדרות הזמן של קרינת X מפלטפורמת *GOES , שנאספו משנת 1998, ומייצגות את שני מחזורי השמש האחרונים). המודל המוצע השיג תוצאות גבוהות על פני מדדים שונים בהשוואה למחקרים קודמים מהעת האחרונה.
המחקר נעשה בראשותם של ד"ר יובל ראובני חוקר ומרצה מהמחלקה לפיזיקה באוניברסיטת אריאל וחוקר בכיר במו"פ מזרח, והדוקטורנט ולד לנדא מהמחלקה למדעי המחשב באוניברסיטת אריאל. ובתמיכת סוכנות החלל הישראלית ומשרד המדע והטכנולוגיה.
קישור למידע נוסף: AGASS – Astrophysics, Geophysics and Space Science
