Ricercatori cinesi sviluppano un nuovo algoritmo per riconoscere le espulsioni di massa coronale

I ricercatori cinesi hanno sviluppato un nuovo algoritmo per ricavare automaticamente i parametri cinematici delle espulsioni di massa coronale (coronal mass ejection, CME) basati sull'apprendimento automatico, secondo un recente articolo di ricerca pubblicato sull'Astrophysical Journal Supplement Series, evidenziando il grande significato di questo algoritmo nella previsione di condizioni meteorologiche spaziali catastrofiche.

Le CME sono masse di plasma su larga scala lanciate dal sole nello spazio interplanetario e sono considerate la più grande forma di rilascio di energia nel sistema solare. Costituiscono la principale fonte di gravi eventi meteorologici spaziali, con il potenziale di causare enormi danni agli esseri umani e ai veicoli spaziali nello spazio.

Sta diventando sempre più importante individuare e monitorare le CME, dal momento che ora ci sono più attività e strutture nello spazio, osserva lo studio.

Lo studio della rivoluzione delle CME nella corona solare e nello spazio interplanetario è un argomento importante nel campo della meteorologia spaziale, così come le relazioni di posizione tra le CME e l'orbita terrestre, secondo Shen Fang, ricercatore del National Space Science Center dell'Accademia Cinese delle Scienze.

Il metodo consiste in tre fasi: riconoscimento, tracciamento e determinazione dei parametri.

Innanzitutto, i ricercatori hanno addestrato una rete neurale per giudicare se nelle immagini fossero osservate delle CME. Successivamente, hanno acquisito regioni CME con etichetta binaria. Infine, hanno tracciato il movimento di una CME in immagini di serie temporali e ne hanno determinato i parametri cinematici quali velocità, larghezza angolare e angolo di posizione centrale.

L'algoritmo può identificare segnali CME relativamente deboli e generare informazioni morfologiche accurate relative alle CME, ha affermato Shen. Si prevede che fornirà assistenza con avvisi e previsioni delle CME in tempo reale.