Project

Mais cela nécessite en premier lieu une automatisation de la caractérisation et de l’exploration de ces gros volumes de données. Nous développons des méthodes au moyen desquelles des ordinateurs apprennent à reconnaître des schémas dans l’archive d’IRIS et à caractériser le déroulement temporel des éruptions solaires observées. Sur cette base, nous souhaitons améliorer de manière déterminante la compréhension et les prévisions des éruptions solaires.

Les éruptions qui se produisent régulièrement à la surface du Soleil peuvent provoquer des perturbations sur la Terre – par exemple dans les systèmes de localisation radio et GPS – mais également des pannes dans les réseaux d’électricité. Jusqu’ici, la science n’a pas été en mesure de comprendre les causes des éruptions solaires ni de les prévoir de manière fiable. Les éruptions se produisant dans des configurations spatiales et temporelles très variées, leur analyse systématique s’en trouve considérablement compliquée.

L’objectif de ce projet est de mieux comprendre la physique du Soleil et de développer des méthodes de prévisions des éruptions solaires. Pour ce faire, nous utilisons la grande banque de données créée d’IRIS (Interface Region Imaging Spectrograph), le nouveau satellite solaire de la NASA. Nous élaborons des algorithmes d’apprentissage automatique qui évaluent les données en fonction des configurations spatiales et temporelles.

Les éruptions solaires pouvant causer des perturbations de grande ampleur sur la Terre, leur prévision a une grande importance. Elle peut par exemple être utile pour la planification des vols ainsi que pour l’exploitation des satellites et des réseaux d’électricité, et ainsi réduire les dégâts éventuels dus aux éruptions. Les algorithmes et méthodes de traitement des images que nous développons peuvent par ailleurs être utilisés pour l’analyse d’autres jeux de données, dans la science ou l’industrie.

The IRIS Mission has been collecting data from various layers of the sun’s atmosphere since 2013. The resulting data set will provide us with a deeper knowledge of the physics of the sun. But first a way must be found to automatically characterise and search the enormous quantities of data. We are developing methods that enable computers to learn to recognise patterns in the IRIS archive and to characterise the temporal progression of the solar eruptions observed. Building on this, we would like to significantly improve our understanding of and ability to predict solar eruptions.

The regular eruptions that take place on the sun can cause disturbances on Earth – for instance in radio and GPS positioning systems – as well as power outages. To date, scientists have been unable to explain the physical cause of solar eruptions, nor can they reliably predict them. The fact that solar eruptions occur in diverse complex spatial and temporal patterns makes it considerably more difficult to systematically analyse these phenomena.

The objective of this project is to gain a better understanding of the physics of the sun and to develop methods for predicting solar eruptions. We will be using the huge data archive compiled by IRIS (Interface Region Imaging Spectrograph), NASA’s latest solar satellite. We will create machine learning algorithms to evaluate the data for spatial and temporal patterns.

Since solar eruptions can cause widespread interference on Earth, a great deal of importance is attached to being able to predict them. This would be helpful for flight planning and for the operation of satellites and power grids and, accordingly, reduce any damage from eruptions. Moreover, the algorithms and image processing methods we develop could be used for the analysis of other data sets in science or industry.