Алгоритмы машинного обучения помогли ученым смоделировать поведение космических лучей
Новый анализ данных с МКС показал, что современные алгоритмы машинного обучения точнее классических моделей описывают, как космические лучи взаимодействуют с солнечной активностью. Это важный шаг для прогноза космической погоды, защиты спутников и безопасности экипажей в космосе.
Космические лучи — это поток высокоэнергетичных частиц, которые постоянно бомбардируют Землю. Их интенсивность зависит от активности Солнца: в периоды вспышек и сильного магнитного поля частицы отклоняются, а в спокойные периоды свободнее проникают в околоземное пространство. Понимание этих колебаний важно для расчета радиационной нагрузки на аппаратуру и людей в космосе и на больших высотах.
Обычно используют так называемую «аппроксимацию силового поля» — простую формулу, которая оценивает уровень активности Солнца в целом, без подробностей. Она удобна, но плохо справляется с быстрыми изменениями.
Ученые проанализировали почти 3000 суточных измерений с детектора AMS-02 на МКС и сравнили, насколько точно разные алгоритмы машинного обучения могут предсказать уровень космического излучения. Лучше всех с задачей справился XGBoost — в диапазоне энергий около 5–6 гигавольт его прогнозы почти полностью совпадали с реальными данными (точность достигала 98%). Также проверили другие модели, включая Random Forest, линейную регрессию и трансформеры — все они тоже обошли классическую формулу.
Результаты показывают, что машинное обучение может намного точнее предсказывать динамику космических лучей. Это откроет возможности для более точных моделей радиационной обстановки и прогнозов условий на орбите.
В этом материале рассказываем, как ИИ и машинное обучение уже применяются в космосе — от прогнозов космической погоды до навигации зондов и анализа марсианских снимков.
Фото Space.com
Самое популярное
