DURHAM, N.H. -- (9 janvier 2025) -- Des chercheurs de l'Université du New Hampshire ont utilisé l'intelligence artificielle pour catégoriser la plus grande base de données d'images d'aurores boréales, aidant à comprendre et à prévoir les tempêtes géomagnétiques qui peuvent perturber les communications sur Terre.
Cette étude, publiée dans le Journal of Geophysical Research, a impliqué le développement d'outils d'IA et d'apprentissage automatique pour classer plus de 706 millions d'images du jeu de données THEMIS de la NASA, collectées par des jumeaux de satellites surveillant l'environnement spatial de la Terre. Le projet THEMIS capture des images toutes les trois secondes depuis 23 emplacements en Amérique du Nord.
Jeremiah Johnson, professeur associé d'ingénierie appliquée et de sciences et auteur principal, a souligné l'importance du jeu de données, en déclarant : "Ce jeu de données massif est une ressource précieuse qui peut aider les chercheurs à comprendre comment le vent solaire interagit avec la magnétosphère terrestre. Cependant, sa taille a auparavant limité son utilisation efficace."
L'équipe a mis en œuvre un nouvel algorithme pour annoter les images de 2008 à 2022 en six catégories : arc, diffus, discret, nuageux, lune et clair/sans aurore. Cette organisation permet un filtrage et une récupération d'informations plus faciles.
Johnson a noté : "La base de données étiquetée pourrait révéler des informations supplémentaires sur la dynamique aurorale, mais notre objectif principal était d'organiser la base de données THEMIS pour une utilisation de recherche plus efficace et de fournir un échantillon substantiel pour des études futures."
Les co-auteurs incluent Amy Keesee, Doğacan Su Öztürk, Donald Hampton, Matthew Blandin et Hyunju Connor de la NASA Goddard Space Flight Center. La recherche a été financée par la division d'héliophysique de la NASA et la National Science Foundation.