![](https://strangeplanet.ru/wp-content/uploads/2019/05/d0bdd0b5d0b9d180d0bed181d0b5d182d18c-d0bfd0bed0bcd0bed0b3d0bbd0b0-d0b0d0bdd0b0d0bbd0b8d0b7d0b8d180d0bed0b2d0b0d182d18c-d0b0d182d0bc-620x340.jpg)
![](https://strangeplanet.ru/wp-content/uploads/2019/05/d0bdd0b5d0b9d180d0bed181d0b5d182d18c-d0bfd0bed0bcd0bed0b3d0bbd0b0-d0b0d0bdd0b0d0bbd0b8d0b7d0b8d180d0bed0b2d0b0d182d18c-d0b0d182d0bc.jpg)
Инго Вальдман из Университетского колледжа Лондона и Кейтлин Гриффит из Аризонского университета создали новый алгоритм анализа спектроскопических данных на основе нейросетей.
На космических аппаратах, которые в настоящее время исследуют другие планеты, находится множество разных научных инструментов для сбора данных. Спектральные наблюдения используются для анализа атмосфер планет и взвешенных частиц в них. Однако эти же данные можно задействовать для исследования динамики атмосферы. Существующие в настоящее время методы анализа спектральных данных либо дают недостаточно деталей, либо слишком трудоемки и имеют недостатки в масштабировании.
Вальдман и Гриффит провели анализ нескольких штормов на Сатурне, которые бушевали в 2008 году, используя данные миссии «Кассини». Их алгоритм, включающий работу программы PlanetNet, обработал большой объем данных — в итоге нейросеть смогла определить основные особенности. Например, были выделены границы штормовых областей в атмосфере. Подобные объемы данных классические методы обработать с такой точностью просто не могут. PlanetNet определила S-образное облако — ранее ученые сделали вывод о том, что оно связано с аммиаком в верхних слоях атмосферы Сатурна. Алгоритм также смог выявить связь облака с восходящим потоком облаков из замерзшего аммиака в центральной части штормов, передает N+1.
Ученые уже провели успешные тесты, проверив точность работы нейросети двумя разными способами. По словам Вальдмана, «Кассини» и подобные ей миссии собирают огромные массивы данных, но алгоритмы их анализа имеют свои минусы — они могут давать погрешности в точности, либо занимать слишком много времени. Однако нейросеть может распознать образы в разных наборах данных, что позволить проводить анализ атмосферных явлений на больших площадях и с разных углов обзора, определяя новые взаимосвязи между их особенностями и физико-химическими свойствами.
Оригинал earth-chronicles.ru