Уведомления
Авторизуйтесь или зарегистрируйтесь, чтобы оценивать материалы, создавать записи и писать комментарии.
Авторизуясь, вы соглашаетесь с правилами пользования сайтом и даете согласие на обработку персональных данных.
Искусственный интеллект помог «навести порядок» в наблюдениях за Солнцем
Ученые разработали метод глубокого обучения, объединивший десятилетия разрозненных наблюдений за Солнцем в единую детализированную модель. Алгоритм корректирует погрешности инструментов, компенсирует их ограничения и позволяет взглянуть на нашу звезду в новом свете.
Солнечные телескопы постоянно совершенствуются, что позволяет получать все более детальные изображения Солнца. Однако с появлением очередного поколения этих приборов возникает и новая проблема — учет различий в получаемых данных: сравнивать самые последние наблюдения и исторические, охватывающие порой несколько десятилетий, становится все труднее. Кроме того, из-за несоответствий в разрешении, калибровке приборов и качестве данных возникают сложности при изучении долговременных изменений на Солнце и редких солнечных явлений.
Ученые из Грацского университета в Австрии и их коллеги из Сколковского института науки и технологий (Сколтех) в России и Высокогорной обсерватории Национального центра атмосферных исследований США (HAO NSF NCAR) разработали новую систему методов глубокого обучения (Instrument-To-Instrument translation — ITI), которая помогает решить проблему различий между историческими и новыми наблюдениями. Результаты исследования опубликованы в журнале Nature Communications.
«Используя генеративные состязательные сети, мы разработали метод, позволяющий транслировать данные наблюдений за Солнцем с одного прибора на другой, даже если эти приборы никогда не использовались одновременно», — рассказывает сотрудник Высокогорной обсерватории Национального центра атмосферных исследований США и первый автор исследования Роберт Яролим. С помощью предложенного метода система на базе ИИ способна выявлять и переносить свойства самых последних наблюдений на более старые данные.
Архитектура модели основана на двух соперничающих нейросетях: первая искусственно ухудшает качество изображений, вторая — восстанавливает их до эталонного уровня. Методика использует реальные наблюдения, точно моделируя специфические искажения каждого инструмента. Обученная таким образом система преобразует старые зашумленные данные в изображения высокого разрешения, сопоставимые с современными космическими наблюдениями. При этом алгоритм сохраняет все физически значимые детали, что критически важно для научного анализа долгосрочной эволюции Солнца.
Предложенная методика была опробована на нескольких наборах данных: так, с ее помощью удалось объединить данные за 24 года космических наблюдений, повысить разрешение снимков полного диска Солнца, снизить атмосферный шум в изображениях Солнца, полученных с Земли, и даже оценить величину магнитных полей на дальней стороне Солнца с использованием только данных наблюдений в экстремальном ультрафиолете.
«ИИ не может заменить реальные наблюдения, но он может помочь извлечь максимум полезной информации из уже существующих данных, — продолжает Яролим. — В этом ключевая практическая ценность нашего метода». Совмещая современные высококачественные наблюдения с историческими данными, алгоритм создает единую согласованную картину. Такой подход не просто улучшает старые снимки — он открывает новые возможности для изучения долгосрочной эволюции Солнца.
«Этот проект наглядно показывает, как современные вычисления могут вдохнуть новую жизнь в архивные данные, — добавляет соавтор исследования, директор Центра системного проектирования Сколтеха, доцент Сколтеха Татьяна Подладчикова. — Наша работа выходит за рамки простого улучшения старых изображений: мы создаем универсальный язык для изучения эволюции Солнца. Благодаря высокопроизводительным вычислениям Сколтеха, мы обучили ИИ-модели, которые выявляют скрытые взаимосвязи в десятилетиях солнечных наблюдений, обнаруживая закономерности в масштабе нескольких солнечных циклов. В конечном счете мы строим будущее, где каждое наблюдение — прошлое или будущее — будет говорить на едином научном языке».
Telegram 
Дзен 
VK Подобрать тип физической активности, который лучше всего подходит человеку, можно исходя из особенностей его характера. Психологи из Великобритании определили, что люди с разными чертами личности получают больше удовольствия от разных видов спорта.
Международная команда ученых оценила связь между длительностью физической активности, ее интенсивностью, риском смерти от всех причин и вероятностью развития сердечно-сосудистых и онкологических заболеваний.
В серии экспериментов макакам-крабоедам давали смотреть видеозаписи с участием знакомых и незнакомых сородичей в разных вариантах социальных взаимодействий. Наблюдая за реакцией животных и оценивая, сколько времени обезьяны смотрели на экран, биологи выяснили, сцены какого характера интересовали их больше всего. Оказалось, что предпочтения макак напоминают человеческие.
Принято считать, что люди с развитыми когнитивными способностями отличаются высокими моральными принципами. Ученые из Великобритании решили проверить этот тезис научными методами и пришли к противоположному выводу.
Подобрать тип физической активности, который лучше всего подходит человеку, можно исходя из особенностей его характера. Психологи из Великобритании определили, что люди с разными чертами личности получают больше удовольствия от разных видов спорта.
В июне 2025 года ВК покинули 1,2 миллиона авторов контента. Это резкое ускорение их бегства в сравнении с предшествующими месяцами. Одновременно число авторов на других платформах растет, в результате по этому показателю соцсеть обогнал не только Telegram, но и запрещенный Instagram*. Причиной происходящего многие наблюдатели посчитали совокупность решений менеджмента компании за последние годы.
Радиотелескопы уловили очень короткий сигнал, и по его характеристикам стало ясно, что он не может быть естественного происхождения. Астрономы пришли к выводу, что источник находился в околоземном пространстве — там, где уже более полувека летает «мертвый» аппарат NASA.
Группа российских ученых из Института прикладной математики имени М. В. Келдыша РАН и МФТИ провела детальное численное исследование источников шума, генерируемых крылом прототипа сверхзвукового бизнес-джета в режиме посадки. Эта работа, сочетающая передовые методы вычислительной гидродинамики и аэроакустики, впервые позволила с высокой точностью локализовать и охарактеризовать основные зоны шумообразования вблизи полноразмерной геометрии крыла модели прототипа сверхзвукового пассажирского самолета в посадочной конфигурации.
Результаты эксперимента в США в будущем могут позволить добиться разрешения на использование отработанной конопли в качестве кормовой добавки в животноводстве.
Вы попытались написать запрещенную фразу или вас забанили за частые нарушения.
Понятно
Из-за нарушений правил сайта на ваш аккаунт были наложены ограничения. Если это ошибка, напишите нам.
Понятно
Наши фильтры обнаружили в ваших действиях признаки накрутки. Отдохните немного и вернитесь к нам позже.
Понятно
Мы скоро изучим заявку и свяжемся с Вами по указанной почте в случае положительного исхода. Спасибо за интерес к проекту.
Понятно