Das Daniel K. Inouye Solar Telescope auf Hawaii ist gegenwärtig das weltweit größte Sonnenteleskop und liefert spektakuläre, hochauflösende Aufnahmen der Sonne. „Diese Bilder geben uns Einblick in die dynamischen Prozesse des Sonnenplasmas und Magnetfeldes“, schildert Astrid Veronig, Astrophysikerin und Leiterin der Forschungsgruppe an der Uni Graz. „Die Erdatmosphäre stellt jedoch eine Herausforderung dar, da sie die Bildqualität durch Turbulenzen erheblich beeinträchtigt. Dadurch erscheinen feine Details auf der Sonnenoberfläche oft unscharf oder sogar unkenntlich. Selbst adaptive Optik und traditionelle Rekonstruktionsverfahren können diese kleinskaligen Strukturen nicht in voller Schärfe abbilden.“
Diese Aufgabe hat nun das internationale Team mit Hilfe künstlicher Intelligenz gelöst. Die Methode verbindet physikalisches Expertenwissen mit der Leistungsfähigkeit des maschinellen Lernens. „Unsere KI ist nicht einfach eine Blackbox“, betont Astrid Veronig. „Sie nutzt physikalische Modelle und Gleichungen, wie Licht und Atmosphäre wechselwirken, und kann so die Bildinformationen und die atmosphärischen Störungen voneinander trennen und rekonstruieren.“
Kleinste Strukturen sichtbar
Christoph Schirninger, Doktorand an der Uni Graz und Erstautor der Studie, testete das Verfahren zuerst mit Simulationsdaten. Anschließend kam die Methode bei echten Beobachtungsdaten zum Einsatz – mit durchschlagendem Erfolg. „Kleinste Strukturen, die zuvor verborgen waren, konnten so sichtbar gemacht werden“, beschreibt Schirninger.
„Physik-informierte neuronale Netzwerke öffnen völlig neue Perspektiven für die Erforschung der Sonne. Langfristig kann diese Technologie die Bildrekonstruktion kommender Großteleskope revolutionieren“, ergänzt Robert Jarolim, Forscher und NASA Jack Eddy Fellow am High Altitude Observatory in Boulder.
⇒ Die Studie wurde im Fachjournal Astronomy & Astrophysics veröffentlicht.
