Az égitest folyamatos megfigyelése a részecskék és az intenzív fény véget nem érő áramlása miatt nehéz és komoly károkkal jár a napteleszkópok munkája. A műszer érzékeny lencséi és szenzorai fokozatosan elromlanak.
Tudósok időnként újrakalibrálják a teleszkópokat, hogy lássák, mennyit gyengültek, illetve, hogy az általuk küldött adatok pontosak maradjanak.
A NASA 2010-ben indított SDO (Solar Dynamics Observatory) rendszere egy évtizeden keresztül remek és részletes képeket szolgáltatott a Napról. Tudósok ezek alapján próbálják megérteni az égitest hatását a világűr időjárására, más bolygókra, űrhajósokra stb.
Az SDO két képalkotó műszerének egyike, az AIA (Atmospheric Imagery Assembly) tizenkét másodpercenként készít képeket tíz hullámhosszú ultraibolya fény mellett. Sehonnan nem szerzünk ennyi információt a Napról, de az információszerzésnek ára van: az AIA romlik, gyakran kell kalibrálni.
Ezt rövid, kb. tizenöt perces űrrepüléssel, néhány műszerrel a fedélzetükön, kisebb szondázó rakéták szokták megoldani. A Föld atmoszférája felett repülve, a műszerek látják az AIA által mért ibolyán túli hullámhosszokat – amelyeket az atmoszféra elnyel, és ezért nem mérhetők a Földről.
Az AIA kalibrálásához ultraibolya teleszkópot kapcsolnak a rakétához, az hasonlítja össze a saját és az AIA adatait. A tudósok ezt követően mérhetik fel, korrigálhatják az AIA méréseit.
A módszernek azonban megvannak a hátulütői. Mivel a rakéták nincsenek állandóan az űrben, két rakéta tevékenysége között elcsúszik a kalibrálás, ami űrmissziókon egyébként sem lehetséges.
A NASA kutatói eldöntötték, hogy a konstans kalibráláshoz más lehetőségeket keresnek, és eljutottak a gépi tanulásig. Az algoritmus megtanulta felismerni a napszerkezeteket, és hogy hogyan hasonlítsa össze őket az AIA adataival. A rakéták kalibrációs repüléseiről kapott képekből tanult. Ha elég adata van, elsajátítja, hogyan kell képről képre kalibrálnia.
Mivel az AIA többféle hullámhosszon nézi a Napot, az algoritmus speciális szerkezeteket összehasonlítva, megerősítheti a tudósok feltételezéseit. Ehhez persze azt is meg kellett tanulnia, hogyan néznek ki ezek a szerkezetek, milyen egy napkitörés stb.
Az MI és a rakéták adatait összehasonlítva, kiderült, hogy a virtuális kalibrálás ugyanolyan jól működik, mint a valódi, ráadásul folyamatosan, megszakítás nélkül végezhető, tehát javul az adatminőség.
A NASA egy másik kutatócsoportja a Föld mágneses mezeje és az ionoszféra kapcsolatát tanulmányozza mesterséges intelligenciával. Új módszerrel vizsgálják, és jobban értik az energiával töltött részecskék mozgását az atmoszférában, hatásukat a világűr időjárására.
A gépi tanulás gyors fejlődésével egyre több űrkutatási alkalmazás várható.
