Supercomputer HPC: Applications

Celem projektu jest stworzenie modelu opisującego stan jonosfery, który bazować będzie na danych archiwalnych przetwarzanych przy użyciu sztucznej inteligencji. Gęstość elektronów w jonosferze decyduje o wielkości opóźnienia jakiemu będzie poddany sygnał przechodzący przez tą warstwę atmosfery. Opóźnienie to wpływa ono na wyznaczanie pozycji i musi być wyeliminowane w celu uzyskania dokładności pozycjonowania mniejszej niż 1 cm. Wskutek niejednorodnego rozkładu gęstości elektronów w przekroju pionowym jonosfery, sygnał będzie pokonywać ośrodki o zmiennych współczynnikach odbicia fali, co powoduje załamanie i wydłużenie drogi pokonywanej przez sygnał. Powstałe opóźnienie jest możliwe do wyeliminowania w 99% poprzez zastosowanie przybliżonego modelu jonosfery, jednakże wariacje w strukturze rozkładu elektronów, przyczyniają się do wszelkich zakłóceń związanych z propagacją fal radiowych w tym ośrodku i są problematyczne do modelowania.

Głównym założeniem projektu jest wykorzystanie sztucznej inteligencji w celu modelowania i predykcji stanu jonosfery, w tym zaburzeń jonosferycznych. Wykorzystane zostaną dane GPS, dane satelitarne, dane z jonosond, dane aktywności geomagnetycznej oraz słonecznej oraz wszelkie inne dane będące skorelowane ze stanem jonosfery. Algorytmy sztucznej inteligencji, jak i wszelkie potrzebne obliczenia i przetwarzanie danych, będą przeprowadzane w środowisku Python.