科学家马克一个里程碑PlanetNet当“深度学习”的方法通过首次以出色的演示,映射出一个土星风暴详细。

这是一个新的方法,将大大增加科学家的理解行星大气。

“PlanetNet让我们分析更大数量的数据,这给洞察的大规模动态土星,”解释作者凯特琳格里菲斯,亚利桑那大学的教授在一个新闻发布会上大学。“结果显示大气特性,以前未被发现。”

仔细看看土星

这项研究中,发表在《自然天文学,揭示了科学家的团队如何使用PlanetNet映射出土星大气的湍流区域。

PlanetNet使用红外数据收集的可见光和红外光谱仪仪器在美国宇航局的映射卡西尼号太空船。在这个新的研究中,研究人员使用深层学习算法仔细看看数据集的风暴系统观察早在2008年2月。

以前这个数据集的分析确定了罕见的行星的大气中氨的存在,在一个s形云的形式。

PlanetNet产生的地图,研究团队发现这个云实际上是更大规模上涌的一部分氨冰云周围黑暗的风暴。加上周围的科学家发现了一个类似的功能另一个较小的风暴,这意味着上升流氨冰云在土星很常见。

地图上还显示,风暴的中心之间有显著差异及其周边地区。

PlanetNet是如何工作的

由亚利桑那大学和伦敦大学学院的科学家们开发的,PlanetNet作品首先扫描数据聚类的迹象在大气中云的结构和气体成分。算法消除了不确定性,分析了光谱和空间属性。

所有这些数据的总和,PlanetNet能够产生一个地图功能的主要组件土星的风暴以前所未有的和无与伦比的精度。

根据格里菲斯,算法可以很容易地应用于其他行星和数据集,使其不可估量的潜在工具在未来的研究。

Ingo Waldmann、第一作者、伦敦大学学院副主任和太阳系外行星数据中心的空间,还说,虽然“卡西尼”号和其他类似的任务能够收集数据,传统分析技术的局限性,从精度的时间长度。万博体育登录首页

“深度学习使模式识别跨不同,多个数据集,“Waldmann解释道。“这给了我们可能分析大气现象在大面积和从不同的视角,并使新之间的关联特性的形状和化学和物理性质,创建它们。”