La inteligencia artificial consigue evaluar la calidad de las imágenes del Sol igual que un humano
La ingente cantidad de datos generados por las observaciones del Sol realizadas desde la tierra y el espacio durante los últimos decenios ha llevado el campo de la física solar a la era de los datos masivos. Debido a la gran cantidad de datos disponibles, ya no es posible analizarlos únicamente con ayuda de observadores humanos. Para garantizar que la calidad de las imágenes obtenidas es lo suficientemente buena para someter estas imágenes a un análisis científico, los investigadores necesitan una medición objetiva de su calidad, especialmente para las observaciones terrestres en las que las nubes y otras condiciones pueden afectar a la calidad de la imagen. «Como humanos, evaluamos la calidad de una imagen real comparándola con una imagen de referencia ideal del Sol», explica la catedrática Tatiana Podladchikova, del Instituto Skolkovo de Ciencia y Tecnología de Rusia, en una noticia publicada en el sitio web «Phys.org». «Por ejemplo, una imagen en la que se ve una nube delante del disco solar —muy alejada de nuestra hipotética imagen perfecta— se etiquetaría como imagen de calidad muy baja, mientras que las variaciones menores no resultan tan esenciales en lo que respecta a la calidad. Las métricas de calidad convencionales se esfuerzan por ofrecer una puntuación de calidad al margen de las características solares y no suelen tener en cuenta las nubes», comentó Podladchikova, que utilizó inteligencia artificial (IA) para lograr una evaluación de calidad igual que la humana junto a tres investigadores de la Universidad de Graz.
Uso de una red neuronal
Con el apoyo del proyecto financiado con fondos europeos SOLARNET, los investigadores desarrollaron un método novedoso para lograr una evaluación fiable de la calidad de las imágenes obtenidas mediante la observación del disco solar desde tierra. El método, que se describe en un artículo publicado en la revista «Astronomy & Astrophysics», aplica un enfoque de aprendizaje profundo no supervisado que aprende solo de las imágenes de alta calidad. Se utiliza una red neuronal para aprender las características de las observaciones de alta calidad y detectar las que se alejan de estas, lo cual permite proporcionar una puntuación objetiva de la calidad de la imagen y captar anomalías en los datos de forma fiable. «En nuestro estudio, aplicamos el método a las observaciones realizadas en el Observatorio Kanzelhöhe para la Investigación Solar y Ambientaly demostramos que coincide con las observaciones humanas en un 98,5 % de los casos», observó Robert Jarolim, autor principal de la Universidad de Graz, entidad socia del proyecto, en la noticia de «Phys.org». «Al aplicarlo a días enteros de observación sin filtrar, detectamos que la red neuronal identifica correctamente todos los deterioros considerables de la calidad y nos permite seleccionar las mejores imágenes, lo que produce un conjunto de observaciones más fiable. Esto también es importante para las futuras redes de telescopios, donde será necesario filtrar y combinar observaciones de varios sitios en tiempo real», añadió Jarolim. «La entrega de datos solares es el mayor proyecto de nuestra época en lo que respecta a la información generada. Con los lanzamientos recientes de misiones solares pioneras, como la sonda solar Parker y Solar Orbiter, recibiremos cada vez más datos que ofrecerán información nueva y valiosa. Nuestra investigación abre vías que nadie ha recorrido antes. Todos los días se recibirá mucha información nueva, por lo que está claro que debemos inventar métodos novedosos y eficaces para procesar los datos con ayuda de la IA a fin de abordar los desafíos más importantes a los que se enfrenta la humanidad», afirmó Podladchikova. El novedoso método de los investigadores puede ofrecer una evaluación fiable de la calidad de las imágenes en tiempo real sin usar ninguna observación de referencia. Según el estudio de SOLARNET (Integrating High Resolution Solar Physics), este enfoque podría aplicarse también a observaciones astrofísicas parecidas y «solo es necesario etiquetar de forma manual y aproximada un pequeño conjunto de datos». Para más información, consulte: Sitio web del proyecto SOLARNET
Palabras clave
SOLARNET, Sol, imagen solar, calidad de la imagen, observación, inteligencia artificial, datos
