КАК МАШИННОЕ ОБУЧЕНИЕ ПОМОГАЕТ ИЗУЧАТЬ СОЛНЦЕ

Ключевые на сегодня открытия в физике Солнца, например, обнаружение 11-летнего закона цикличности, открытие магнитного цикла, первое наблюдение солнечной короны и ее необычных свойств, были сделаны задолго до появления современных компьютеров. Это был результат гениальной изобретательности в конструировании новых наблюдательных приборов и многолетнего упорства в ведении каталогов наблюдений. Современной науке пока с трудом удается выстраивать теории, описывающие наблюдаемую картину, а многие вопросы продолжают оставаться загадками. Едва ли стоит рассчитывать, что компьютеры смогут за нас вывести законы эволюции солнечной активности, но кое в чем они действительно могут помочь. Прежде всего мы рассчитываем на их способность к неустанному перебору бесчисленных вариантов и выявлению сложных взаимосвязей среди разнородных многомерных массивов данных. Разумеется, здесь необходимы специальные алгоритмы. Часть таких алгоритмов, объединенных термином “машинное обучение”, развивается особенно активно и находит все больше применений в современной практике. В нашей статье мы на нескольких примерах покажем, как машинное обучение помогает в решении задач исследования Солнца и в чем особенность этого подхода. Первый пример проиллюстрирует применение сверхточных нейронных сетей, второй покажет, как используется модель кластерного анализа в обработке солнечных данных. Также мы расскажем, как с помощью алгоритма бинарной классификации построить прогноз энергичных событий на Солнце.

,