Coelum Astronomia 230 - 2019 - Page 80

Coelum Astronomia

80

raggiungere il punto L5 alcuni giorni prima di raggiungere la Terra, funzionando come una sorta di allarme periferico.

Una parola va spesa a favore degli strumenti posti a terra. Che vantaggio possono avere questi rispetto a quelli funzionanti nello spazio? Ad esempio, un coronografo terrestre è in grado fornire una gran quantità di dati in breve tempo, e questo può essere essenziale, se consideriamo che le SEP si propagano a velocità prossime a quella della luce, raggiungendo la Terra in meno di un'ora.

Un secolo di osservazioni del Sole: l’utilizzo dei grandi archivi di dati

Il susseguirsi delle varie missioni dedicate allo studio del Sistema Solare, e del Sole in particolare, ha permesso di accumulare una grande quantità di dati scientifici. È necessario poterli rendere disponibili e facilmente accessibili alla vasta comunità di studiosi, per mezzo di archivi di dati, che non solo forniscano le osservazioni del passato, ma che mantengano anche il più possibile memoria di quanto si è imparato dal loro uso. L’orizzonte temporale di utilizzo dei dati raccolti dovrebbe essere superiore a quello generazionale, in quanto, come accade sempre in Astronomia, i dati raccolti nel passato possono avere sempre qualcosa da dire, anche al tempo delle sofisticate missioni spaziali. Nasce in questo contesto la necessità di creare grandi archivi di dati, che siano fruibili da tutti e che possano essere mantenuti nel tempo.

Un esempio a tale riguardo è il Virtual Solar Observatory (VSO), che nasce alla fine del 2002. Esso è stato preceduto da archivi di dati locali, come lo SDAC presso il Goddard Space Flight Center della NASA negli anni ‘80, oppure la NSO Digital Library nel 1993, seguiti da un tentativo di sintesi costituito dal Whole Sun Catalog, nella seconda metà degli anni ‘90.

Il VSO è di fatto un programma accessibile via web, e non fa riferimento a un particolare archivio situato fisicamente in un luogo, fornendo un unico accesso a circa 60 diversi archivi geograficamente distribuiti. Permette quindi di avere accesso a dati di missioni spaziali o di Osservatori a Terra, in funzione del periodo di osservazione richiesto, del tipo di osservazione e anche della banda spettrale di interesse, senza dover sapere dove tali dati fisicamente si trovino. Inoltre, fornisce accesso ai software di analisi, alle descrizioni della strumentazione scientifica utilizzata e ad altre informazioni accessorie che mettano in grado chiunque di poter svolgere ricerca scientifica con tali dati.

Programmi di simulazione e Machine Learning

Alla necessità di ricerca di dati scientifici, oggigiorno si affianca il problema di poter gestire la quantità esuberante di informazioni che uno strumento riesce a fornire. Sempre più spesso, a partire dalle grandi missioni spaziali fino ad arrivare ai programmi di sorveglianza dei piccoli Osservatori, la quantità di dati che vengono prodotti supera di gran lunga la capacità di un singolo astronomo, o gruppo di astronomi, di poterli analizzare e studiare. Inoltre, il tempo necessario per completare anche solo una piccola parte del lavoro di studio potrebbe superare il periodo di vita scientificamente attiva di una singola persona.

Sicuramente la risposta finale nelle previsioni di Space Weather verrà dal nostro buon senso, anche se gli strumenti di cui avremo bisogno saranno inevitabilmente i calcolatori e l’intelligenza artificiale. Quindi utilizzeremo assieme simulazioni basate su modelli fisici e la capacità di imparare e fare delle previsioni a partire da archivi di dati, da parte di programmi esperti, approccio che viene chiamato Machine Learning.