UNH Today

Jeremiah Johnson 10G，助理教授 data science at UNH Manchester, 最近，美国国家航空航天局(NASA)选定了一项研究计划，. 这笔大约17万美元的奖金将支持约翰逊与阿拉斯加-费尔班克斯大学地球物理研究所的同事们对白光全天极光图像的大型数据集进行分类的工作. 自2006年以来，作为THEMIS任务的一部分，这些图像每三秒在夜间在北美的各个地点收集一次, 该研究旨在更好地理解北极光突然变亮时在北半球可见的极光亚暴. 约翰逊的努力将产生最大的公开可用, labeled, homogeneous, 迄今为止创建的机器学习就绪的极光图像数据库.

Johnson’s proposal, 使用无监督学习生成同构机器学习就绪的极光图像数据库, 是美国宇航局“与星共存”工具和方法计划的12名获选者之一吗, which solicits tools, 使太阳物理学研究领域急需的科学进步成为可能的技术和方法.

造成极光的机制是已知的, 但是在全天图像中观察到的较小尺度的极光形式以及它们与地球磁层动力学的关系还没有得到很好的理解. 机器学习为这一领域提供了呈现新知识的可能性, 但约翰逊指出，现有的极光图像数据库还没有为机器学习做好准备. With the NASA funding, 约翰逊正在开发一种最先进的无监督机器学习算法，能够识别不同类别的极光图像. 该算法将用于自动标记来自THEMIS任务的白光极光图像数据, 使空间科学界能够对不同类别的极光图像之间的关系进行统计研究, 近地太阳风条件和地球表面的地磁干扰，这在以前是不可能的.

Johnson计划提供由这项研究产生的机器学习就绪数据集, 以及复制结果所需的模型和软件, 到2023年10月，美国宇航局的空间物理数据设施.