DURHAM, N.H. -- (9 de enero de 2025) -- Investigadores de la Universidad de New Hampshire han utilizado inteligencia artificial para categorizar la mayor base de datos de imágenes de auroras boreales, ayudando a entender y predecir tormentas geomagnéticas que pueden interrumpir las comunicaciones en la Tierra.
El estudio, publicado en el Journal of Geophysical Research, involucró el desarrollo de herramientas de IA y aprendizaje automático para clasificar más de 706 millones de imágenes del conjunto de datos THEMIS de la NASA, recolectadas por dos naves espaciales gemelas que monitorean el entorno espacial de la Tierra. El proyecto THEMIS captura imágenes cada tres segundos desde 23 ubicaciones en América del Norte.
Jeremiah Johnson, profesor asociado de ingeniería aplicada y ciencias y autor principal, enfatizó la importancia del conjunto de datos, afirmando: "Este conjunto de datos masivo es un recurso valioso que puede ayudar a los investigadores a entender cómo el viento solar interactúa con la magnetosfera de la Tierra. Sin embargo, su tamaño ha limitado previamente su uso efectivo."
El equipo implementó un nuevo algoritmo para anotar imágenes de 2008 a 2022 en seis categorías: arco, difuso, discreto, nublado, luna y claro/sin aurora. Esta organización permite un filtrado y recuperación de información más fáciles.
Johnson señaló: "La base de datos etiquetada podría revelar más información sobre la dinámica auroral, pero nuestro objetivo principal era organizar la base de datos THEMIS para un uso de investigación más efectivo y proporcionar una muestra sustancial para futuros estudios."
Los coautores incluyen a Amy Keesee, Doğacan Su Öztürk, Donald Hampton, Matthew Blandin y Hyunju Connor del Centro de Vuelo Espacial Goddard de la NASA. La investigación fue financiada por la división de heliofísica de la NASA y la Fundación Nacional de Ciencias.