„….und dann hat einer der Musiker plötzlich aufgehört zu spielen.“ Kann KI fehlende Daten aus dem Solar Dynamics Observatory der NASA erzeugen?

„….und dann hat einer der Musiker plötzlich aufgehört zu spielen.“

Kann KI fehlende Daten aus dem Solar Dynamics Observatory der NASA erzeugen?

New York, 19.8.2020

Im Jahr 2014 verlor die NASA ein wichtiges Instrument, das auf dem Satelliten des Solar Dynamics Observatory (SDO) untergebracht war und extreme UV-Strahlen von der Sonne gemessen hat. Angesichts von Reparaturkosten in Millionen- bis Milliardenhöhe wandte sich ein Team aus dem NASA Frontier Development Lab und IBM an die künstliche Intelligenz und an historische Daten, um herauszufinden, ob ein gut trainiertes Modell die Datenlücke füllen könnte.

Was wäre, wenn die künstliche Intelligenz mehr entziffern könnte als Bilder von Hunden, Katzen und Stoppschildern? Was könnten wir aus der Betrachtung von Bildern der Sonne lernen?

Sonnenschein ist gut für die Seele

Die Sonne ist der Schöpfer des Lebens. Es mag zwar auch andere ähnliche Sonnensysteme geben, in denen ein Stern einen ebenso hohen Wert hat wie die Sonne für uns, aber der Einfluss der Sonne in unserem Sonnensystem ist unermesslich. Jegliche Veränderungen in der Kraft der Sonne, wie klein sie auch sein mögen, seien es Sonnenflecken, Sonneneruptionen oder koronale Massenauswürfe – haben direkt Auswirkungen auf die Erde. Sie beeinflussen also auch globale Navigationssysteme (GPS), Satelliten, Funksysteme, Computer, Mobiltelefone, elektrische Systeme, die Flugsicherung und die Stromversorgung.

Beispielsweise verfehlte der letzte große Sonnensturm am 23. Juli 2012, der stärkste bisher registrierte, die Erde um etwa eine Woche. Wäre er direkt auf die Erde eingeschlagen, hätte er „katastrophale Auswirkungen“ haben können, da er die meisten elektrischen, elektronischen und Kommunikationssysteme in der Welt zerstört hätte. Eine Studie der Nationalen Akademie der Wissenschaften schätzt, dass ein direkter Einschlag eines solchen Sturms Schäden in Höhe von bis zu 2 Billionen Dollar verursachen könnte. Ein viel schwächeres Ereignis im März 1989 führte zu einem mehrwöchigen Ausfall der Stromversorgung in der gesamten Provinz Quebec.

Observatorium für Sonnendynamik ist ein cooler Satellit

Um solche solaren Gefahren im Auge zu behalten, startete die NASA 2010 den Satelliten Solar Dynamics Observatory (SDO). Die Kosten betrugen rund 850 Millionen Dollar. Der SDO-Satellit sammelt verschiedene Messungen von der Sonne in der Hoffnung, Sonnenstürme vorherzusagen und deren Auswirkungen im und um den Weltraum zu mildern.

Der SDO-Satellit verfügt über drei wichtige Instrumentenkomponenten:

– Atmospheric Imaging Assembly (AIA) – nimmt Bilder der Sonnenatmosphäre in mehreren Wellenlängen (bis zu 10) für jeweils 10 Sekunden in IMAX-Auflösung (x10-fache Genauigkeit gegenüber HD-Bildern) auf. Mit anderen Worten: Sie misst, was in der Sonnenatmosphäre geschieht.

– EUV-Variabilitätsexperiment (EVE) – misst die extreme Ultraviolettstrahlung der Sonne (EUV), um den Einfluss auf die Klimaveränderungen der Erde (und des erdnahen Weltraums) zu verstehen.

– Helioseismic and Magnetic Imager (HMI) – untersucht die Schwingungen und das Magnetfeld an der Sonnenoberfläche, der Photosphäre.

Zusammen haben diese drei Instrumente die Sonne kontinuierlich überwacht und täglich etwa 1 TB an Daten produziert.

Aber der coole Satellit ging kaputt!

Im Jahr 2014 wurde eine kritische Komponente des EVE-Instruments zerstört , und echte EUV-Messungen standen den Satellitenbetreibern nicht mehr zur Verfügung. Das waren schlechte Nachrichten. Erstens schwankt das EUV im Sonnenspektrum am stärksten, so dass eine konstante Messung über der Erdatmosphäre uns einen guten Einblick geben kann. Zweitens werden die von der Sonne ausgehenden EUV-Photonen in der oberen Atmosphäre und in der Ionosphäre absorbiert, so dass eine Messung über diesen Schichten sehr kritisch ist. Drittens können diese extremen Schwankungen des EUV dramatische Auswirkungen auf die äußere Atmosphäre der Erde haben. Sie könnten dazu führen, dass die äußere Atmosphäre in einem viel größeren Ballon aufgeblasen wird, als sie normalerweise ist, was kostspielige Auswirkungen auf alle anderen Satelliten haben kann.

Die Lösung des Problems war unerschwinglich teuer und reichte von der Entsendung einer bemannten Mission zum Satelliten (die über 500 Millionen Dollar kostete) bis zum Start eines neuen Satelliten, der etwa 1 Milliarde Dollar kosten könnte.

Da diese Optionen nicht realisierbar waren, kamen die Wissenschaftler und Ingenieure von NASA FDL, IBM und Nimbix auf den Gedanken: Könnte KI eine Lösung anbieten?

KI zur Rettung

Die drei Instrumente des SDO haben von 2010 bis Mitte 2014 gut funktioniert. Konnten tief lernende neuronale Netze die fehlenden EVE-Daten auf der Grundlage der Analyse von Terabytes von Daten aus den letzten vier Jahren mit Hunderten von möglichen Modellen und Variationen vorhersagen?

Ein Nasa – Experte beschrieb die Lage mit folgender Frage: „Stellen Sie sich vor, Sie hätten vier Jahre lang eine Symphonie gehört, die Musik spielt und dann hört einer der Musiker plötzlich auf zu spielen. Wären Sie in der Lage, die fehlende Musik des Interpreten, der verstummt war, geistig zu ergänzen?“ Das ist es, was das NASA FDL-Team mit der Symphonie der Daten aus dem Solar Dynamics Observatory der NASA machen wollte.

Zum Glück für die Ingenieure hatten die AIA und die EVE vier Jahre lang harmonische Daten – hochauflösende Bilder der Sonne und entsprechende EUV-Messungen – produziert, mit denen Modelle erstellt und getestet werden konnten. Inzwischen ist unter KI- Experten unbestritten, dass die Qualität der Daten, die zur Erstellung des Modells/Algorithmus verwendet werden, eine bedeutende Rolle spielen. Das Forschungsteam schuf ein „Machine Learning bake off“, in dem es 1.000 Modelle erstellte, um die Hypothese zu validieren. Nachdem sie mehrere Architekturen ausprobiert hatten, wie z.B. Linear, Multi-Layer Perceptron (MLP), Convolutional Neural Networks (CNN) und Augmented CNN, stellten sie fest, dass Augmented CNN genau ihren Bedürfnissen entsprach.

CNN ist die Unterabteilung der KI, die sich auf die Analyse visueller Bilder und auf das „tiefe Lernen“ aus Bildern spezialisiert hat. Wenn Sie zum Beispiel ein Bild analysieren, reicht es nicht aus, eine bestimmte Geste zu erkennen, sondern Sie müssen auch verstehen, was diese Geste in einer bestimmten Kultur bedeutet. In ähnlicher Weise wollten die Wissenschaftler die durch AIA erzeugten überragenden Bilder der Sonne analysieren und die Messungen der EUV-Strahlung vorhersagen.

Verwendung von MacGyver-ähnlichen AI-Tools

Beeindruckend war, dass die Ingenieure die Aufgabe nur mit gängigen Software- und Hardware-Tools angegangen sind: Jupyter-Notebook, PyTorch, NVIDIA-GPUs, IBM Watson AI und der Cloud-Anbieter Nimbix als Host für all dies. Jedes dieser Tools wurde aus einem bestimmten Grund ausgewählt. Das Jupyter-Notebook ist die einfachste Möglichkeit für Ingenieure, zusammenzuarbeiten. NVIDIA ist der beste heute erhältliche Grafikprozessor. IBM KI-Tools wurden entwickelt, um KI-Probleme in Unternehmen zu lösen. Und die Nimbix-Wolke ist die beste KI-Wolke, die es gibt.

Das Team hat den Datensatz in vier Teile zerlegt. Das Modell war in der Lage, die täglichen TB-Daten des ersten Jahres zu verarbeiten und ein solides KI-Modell zu erstellen. Nach mehreren Iterationen und Schulungen unter Verwendung der Daten eines ganzen Jahres konnten die Ingenieure die Daten des zweiten Jahres verarbeiten. Nachdem sie daraus gelernt hatten, nutzten sie ein drittes Datenjahr, um das Modell neu zu trainieren, und testeten schließlich das endgültige Modell anhand der Daten des vierten Jahres.

Die Ergebnisse waren zu 97,5% genau. Jetzt kann die KI die von der AIA erzeugten Bilder in hoher Qualität verarbeiten und EUV-Daten für die Jahre liefern.

Wenn die AI die fehlenden Daten von der Sonne auf der Grundlage der aktuellen Eingaben herausfinden kann, könnten wir dann auch die EUV-Spektren in die Zukunft mit Präzision im Voraus vorhersagen? Die Vorhersage von Sonnenveränderungen hätte dramatische Auswirkungen auf die Erde.  Darüber hinaus könnte diese Technik zur Nutzung der KI zum Füllen von „Datenlücken“ auf der Grundlage von Informationen aus der Umgebung auch in anderen Anwendungen eingesetzt werden, z.B. in einer IoT-Installation, wenn ein Sensor defekt ist oder wenn es einen Teil einer Kundenzufriedenheitsumfrage gibt, der oft, aber nicht immer, von den Kunden eines Finanzdienstleistungsunternehmens übersprungen wird. Wie es bei der KI oft der Fall ist, ist der Himmel die Grenze!