ਵਿਗਿਆਨ ਅਤੇ ਟੈਕਨੋਲੋਜੀ ਵਿਭਾਗ, ਭਾਰਤ ਸਰਕਾਰ ਦੇ ਇੱਕ ਖ਼ੁਦਮੁਖਤਿਆਰ ਸੰਸਥਾਨ ਇੰਡੀਅਨ ਇੰਸਟੀਟਿਊਟ ਆਵ੍ ਜਿਓਮੈਗਨੈਟਿਜ਼ਮ (ਆਈਆਈਜੀ), ਨਵੀਂ ਮੁੰਬਈ ਦੇ ਖੋਜਕਾਰਾਂ ਨੇ ਸੰਚਾਰ ਅਤੇ ਨੈਵੀਗੇਸ਼ਨ ਲਈ ਅਹਿਮ ਮੰਨੇ ਜਾਣ ਵਾਲੇ ਵਿਆਪਕ ਡਾਟਾ ਕਵਰੇਜ ਦੇ ਨਾਲ ਆਇਨੋਸਫੈਰਿਕ (ਆਇਨਮੰਡਲੀ)ਇਲੈਕਟ੍ਰੌਨ ਘਣਤਾ ਦੀ ਪਹਿਲਾਂ ਸੂਚਨਾ ਦੇਣ ਵਾਲਾ ਇੱਕ ਗਲੋਬਲ ਮਾਡਲ ਵਿਕਸਿਤ ਕੀਤਾ ਹੈ।

ਡਾ. ਵੀ ਸਾਈ ਗੌਤਮ ਨੇ ਆਈਆਈਜੀ ਦੇ ਆਪਣੇ ਖੋਜ ਨਿਗਰਾਨ ਡਾ. ਐੱਸ ਤੁਲਸੀਰਾਮ ਦੇ ਨਾਲ ਦੀਰਘਕਾਲੀ ਆਇਨਮੰਡਲੀ ਅਵਲੋਕਨ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਇੱਕ ਨਵੇਂ ਤਰ੍ਹਾਂ ਦਾ ਗਲੋਬਲ ਆਇਨਮੰਡਲੀ ਮਾਡਲ ’ਤੇ ਅਧਾਰਿਤ ਆਰਟੀਫੀਸ਼ਲ ਨਿਊਰਲ ਨੈੱਟਵਰਕ (ਏਐੱਨਐੱਨਆਈਐੱਮ) ਵਿਕਸਿਤ ਕੀਤਾ ਹੈ, ਜਿਸਦੇ ਨਾਲ ਆਇਨਮੰਡਲੀ ਇਲੈਕਟ੍ਰੌਨ ਘਣਤਾ ਦੀ ਪਹਿਲਾਂ ਸੂਚਨਾ ਦਿੱਤੀ ਜਾਵੇਗੀ ਅਤੇ ਉੱਚ ਮਾਪਦੰਡਾਂ ਦਾ ਅਨੁਮਾਨ ਲਗਾਇਆ ਜਾਵੇਗਾ ।

ਏਐੱਨਐੱਨ ਪੈਟਰਨ ਦੀ ਪਹਿਚਾਣ, ਵਰਗੀਕਰਨ,  ਕਲਸਟਰਿੰਗ,  ਸਧਾਰਣੀਕਰਨ, ਰੈਖਿਕ ਅਤੇ ਗ਼ੈਰ ਰੈਖਿਕ ਡਾਟਾ ਫਿਟਿੰਗ ਅਤੇ ਟਾਈਮ ਸੀਰੀਜ਼ ਦੇ ਅਨੁਮਾਨ ਜਿਹੀਆਂ ਸਮੱਸਿਆਵਾਂ ਦੇ ਸਮਾਧਾਨ ਲਈ ਮਨੁੱਖੀਦਿਮਾਗ  (ਜਾਂ ਜੈਵਿਕ ਨਿਊਰਾਂਸ) ਵਿੱਚ ਹੋਣ ਵਾਲੀਆਂ ਪ੍ਰਕਿਰਿਆਵਾਂਦੀ ਜਗ੍ਹਾ ਲੈਂਦਾ ਹੈ। ਹੁਣਤੱਕ ਏਐੱਨਐੱਨ ਦੀ ਵਰਤੋਂਨਾਲਗਲੋਬਲ ਆਇਨਮੰਡਲੀ ਪਰਿਵਰਤਨਸ਼ੀਲਤਾ ਮਾਡਲ ਤਿਆਰ ਕਰਨ ਦੀ ਦਿਸ਼ਾ ਵਿੱਚ ਬੇਹੱਦ ਘੱਟ ਪ੍ਰਯਤਨ ਕੀਤੇ ਗਏ ਹਨ ।

ਸੰਚਾਰ ਅਤੇ ਨੈਵੀਗੇਸ਼ਨ ਲਈ ਆਇਨਮੰਡਲੀ ਪਰਿਵਰਤਨਸ਼ੀਲਤਾ ਦੀ ਨਿਗਰਾਨੀ ਕਾਫ਼ੀ ਅਹਿਮ ਹੈ।  ਆਇਨਮੰਡਲੀ ਪਰਿਵਰਤਨਸ਼ੀਲਤਾ ਵਿਆਪਕ ਪੱਧਰ ’ਤੇ ਸੌਰ ਉਤਪੰਨ ਅਤੇ ਤਟਸਥ ਵਾਤਾਵਰਣ ਵਿੱਚ ਪੈਦਾ ਹੋਣ ਵਾਲੀਆਂ ਪ੍ਰਕਿਰਿਆਵਾਂਦੋਹਾਂ ਦੁਆਰਾ ਪ੍ਰਭਾਵਿਤ ਹੁੰਦੀਆਂ ਹਨ, ਇਸਲਈ ਇਸਨੂੰ ਮਾਡਲ  ਦੇ ਰੂਪ ਵਿੱਚ ਸਵੀਕਾਰ ਕੀਤਾ ਜਾਣਾ ਮੁਸ਼ਕਿਲ ਹੈ। ਵਿਗਿਆਨੀਆਂ ਨੇ ਸਿਧਾਂਤਕ ਅਤੇ ਅਨੁਭਵਅਧਾਰਿਤਟੈਕਨੋਲੋਜੀਆਂਦੀ ਵਰਤੋਂਨਾਲਆਇਨਮੰਡਲੀ ਮਾਡਲ ਵਿਕਸਿਤ ਕਰਨ ਦੀ ਕੋਸ਼ਿਸ਼ ਕੀਤੀ ਹੈ;  ਹਾਲਾਂਕਿ ਇਲੈਕਟ੍ਰੌਨ ਘਣਤਾ ਦਾ ਸਟੀਕ ਅਨੁਮਾਨ ਲਗਾਉਣਾ ਹੁਣ ਤੱਕ ਚੁਣੌਤੀਪੂਰਨਕੰਮ ਬਣਿਆ ਹੋਇਆ ਹੈ ।

ਹਾਲ ਹੀ ਦੇਵਰ੍ਹਿਆਂ ਵਿੱਚ ਆਰਟੀਫੀਸ਼ਲ ਨਿਊਰਲ ਨੈੱਟਵਰਕਸ (ਏਐੱਨਐੱਨ) ਨੇ ਜ਼ਿਆਦਾ ਜਟਿਲ ਅਤੇ ਗ਼ੈਰ-ਰੈਖਿਕ ਸਮੱਸਿਆਵਾਂ ਦੀ ਦੇਖਭਾਲ਼ ਦੀਆਂ ਸੰਭਾਵਨਾਵਾਂ ਦਾ ਪ੍ਰਦਰਸ਼ਨ ਕੀਤਾ ਹੈ। ਇਨ੍ਹਾਂ ਪਹਿਲੂਆਂ ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਰੱਖਦੇ ਹੋਏ ਗਲੋਬਲਆਇਨਮੰਡਲੀਅਵਲੋਕਨ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ ਆਇਨਮੰਡਲੀ ਮਾਡਲ ਵਿਕਾਸ ਵਿੱਚ ਆਈਆਈਜੀ ਦੀ ਟੀਮਦੁਆਰਾ ਇੱਕ ਨਵਾਂ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਅਪਣਾਇਆ ਗਿਆ ।

ਖੋਜਕਾਰਾਂ ਨੇ ਲਗਭਗ ਦੋ ਦਹਾਕੇ ਦੇ ਗਲੋਬਲ ਡਿਜਿਸਾਂਡੇ (ਇੱਕ ਸਾਧਨ ਜੋ ਰੇਡੀਓ ਫ੍ਰੀਕਵੈਂਸੀ ਪਲਸ ਭੇਜਕੇ ਰੀਅਲ ਟਾਈਮ ਅਧਾਰ ’ਤੇ ਆਇਨਮੰਡਲ ਦੀ ਇਲੈਕਟ੍ਰੌਨ ਘਣਤਾ ਦਾ ਆਕਲਨ ਕਰਦਾ ਹੈ),  ਗਲੋਬਲ ਨੈਵੀਗੇਸ਼ਨ ਸੈਟੇਲਾਈਟ ਸਿਸਟਮ (ਜੀਐੱਨਐੱਸਐੱਸ) ਰੇਡੀਓ ਪ੍ਰਛਾਦਨ ਅਤੇ ਉੱਪਰੀ ਪੱਧਰ ’ਤੇ ਧੁਨੀਅਵਲੋਕਨ (ਸਾਊਂਡਸ ਅਬਜਰਵੇਸ਼ਨ) ਦੇ ਵਿਆਪਕ ਡਾਟਾਬੇਸ ਦੀ ਵਰਤੋਂਦੁਆਰਾ ਇੱਕ ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਅਧਾਰਿਤ ਆਲਮੀਆਇਨਮੰਡਲੀ ਮਾਡਲ ਵਿਕਸਿਤ ਕੀਤਾ ਹੈ। ਇਹ ਡਾਟਾਬੇਸ ਆਰਟੀਫੀਸ਼ਲ ਡਾਟਾਬਿੰਦੂਆਂ (ਬਾਹਰੀ) ਨੂੰ ਹਟਾਉਣ ਲਈ ਵਿਭਿੰਨ ਗੁਣਵੱਤਾ ਨਿਯੰਤਰਣ ਉਪਾਵਾਂ  ਦੇ ਨਾਲ ਤਿਆਰ ਕੀਤੇ ਗਏ ਹਨ ਅਤੇ ਇਨ੍ਹਾਂ ਦਾ ਉਦੇਸ਼ ਟ੍ਰੇਨਿੰਗ ਦੇਣਾ ਹੈ । 

ਦਿਨ ਦੀ ਸੰਖਿਆ, ਯੂਨੀਵਰਸਲ ਸਮਾਂ, ਵਿਥਕਾਰ, ਦੇਸ਼ਾਂਤਰ, ਐੱਫ10.7 ਸੂਚਕ ਅੰਕ (ਫੋਟੋ ਆਇਨੀਕਰਨ ਲਈ ਜ਼ਿੰਮੇਦਾਰ), ਕੇਪੀ (ਇਸਤੋਂ ਅਸ਼ਾਂਤਪੁਲਾੜ ਮੌਸਮ ਸਥਿਤੀਆਂ ਦਾ ਪਤਾ ਚਲਦਾ ਹੈ), ਚੁੰਬਕੀ ਝੁਕਾਅ, ਰੁਝੇਵਾਂ, ਹੇਠਲਾ ਵਿਥਕਾਰ, ਦੱਖਣ ਤਟਸਥ ਹਵਾਵਾਂ ਜਿਹੇ ਇਨਪੁਟਸ ਨੂੰ ਅਧਿਐਨਵਿੱਚ ਸ਼ਾਮਲ ਕੀਤਾ ਗਿਆ ਹੈ। ਏਐੱਨਐੱਨ ਦਾ ਟੀਚਾ (ਆਉਟਪੁਟ) ਕਿਸੇ ਵੀ ਸਥਾਨ ਅਤੇ ਸਮੇਂ ਲਈ ਲੰਬਵਤ ਰੂਪ ਵਿੱਚ ਇਲੈਕਟ੍ਰੌਨਘਣਤਾ ਹੈ। ਏਐੱਨਐੱਨਆਈਐੱਮ ਵਿਕਸਿਤ ਕਰਨ ਲਈ ਆਈਆਈਜੀ ਵਿੱਚ ਉੱਚ ਸਮਰੱਥਾ ਵਾਲੇ ਕੰਪਿਊਟਰ ਦੀ ਵਰਤੋਂਨਾਲ ਏਐੱਨਐੱਨ ਦੇ ਨਾਲ ਡਾਟਾ ਤਿਆਰ ਕੀਤਾ ਗਿਆ ਸੀ ।

ਆਈਆਈਜੀ ਟੀਮਦੁਆਰਾ ਜਾਰੀ ਏਐੱਨਐੱਨਆਈਐੱਮ ਪੂਰਵ ਸੂਚਨਾ ਦਾ ਇਲੈਕਟ੍ਰੌਨ ਘਣਤਾਅਵਲੋਕਨ ਵਿੱਚ ਅਸੰਗਤ ਰਡਾਰ ਅਤੇ ਉਪਗ੍ਰਹਿ ਦੇ ਨਾਲ ਮਿਲਾਨ ਕੀਤਾ ਗਿਆ। ਇਸਦੇ ਇਲਾਵਾ ਐੱਨਐੱਨਆਈਐੱਮ ਨੇ ਆਇਨਮੰਡਲ ਦੀਆਂ ਵਿਸੰਗਤੀਆਂ ਨੂੰ ਦੁਬਾਰਾ ਸਫ਼ਲਤਾਪੂਰਵਕ ਪੇਸ਼ ਕੀਤਾ ।  ਏਐੱਨਐੱਨਆਈਐੱਮ ਨੇ ਭੂ-ਚੁੰਬਕੀ ਤੂਫਾਨਾਂ ਜਿਹੇਅਸ਼ਾਂਤ ਮੌਸਮੀ ਮਿਆਦ ਦੇ ਦੌਰਾਨ ਆਇਨਮੰਡਲ ਦੀਆਂ ਇੱਕੋ ਜਿਹੀਆਂ ਰੂਪਾਤਮਕ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਨੂੰ ਵੀ ਦਰਜ ਕੀਤਾ, ਜਦੋਂ ਸੂਰਜ ਤੋਂ ਪੈਦਾ ਹੋਣ ਵਾਲੇ ਚੁੰਬਕੀ ਬੱਦਲ (ਕੋਰੋਨਲਮਾਸਇੰਜੈਕਸ਼ਨ (ਸੀਐੱਮਈ) ਦੇ ਰੂਪ ਵਿੱਚ ਜਾਣਿਆ ਜਾਂਦਾ ਹੈ) ਧਰਤੀ  ਦੇ ਮੈਗਨੇਟੋਸਫੀਅਰ ਨਾਲ ਆਪਸੀ ਸੰਪਰਕ ਵਿੱਚ ਆਉਂਦੇ ਹਨ ।

ਆਈਆਈਜੀ ਖੋਜਕਾਰਾਂ ਦੁਆਰਾਵਿਕਸਿਤ ਮਾਡਲ ਨੂੰ ਆਇਨਮੰਡਲੀਅਨੁਮਾਨਾਂ ਵਿੱਚ ਇੱਕ ਸੰਦਰਭ ਮਾਡਲ ਦੇ ਰੂਪ ਵਿੱਚ ਉਪਯੋਗ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ ਅਤੇ ਇਸਵਿੱਚ ਗਲੋਬਲ ਨੈਵੀਗੇਸ਼ਨ ਸੈਟੇਲਾਈਟ ਸਿਸਟਮ (ਜੀਐੱਨਐੱਸਐੱਸ)ਪੋਜ਼ਿਸ਼ਨਿੰਗਖਾਮੀਆਂ ਦੀ ਗਣਨਾ ਵਿੱਚ ਪ੍ਰਯੋਗ ਹੋਣ ਦੀਆਂ ਪੂਰੀਆਂ ਸਮਰੱਥਾਹੈ।

ਚਿੱਤਰ 1 :ਏਐੱਨਐੱਨਆਈਐੱਮ ਦੇ ਵਿਕਾਸ ਵਿੱਚ ਵਰਤੇ ਗਏ ਨਿਊਰਲ ਨੈੱਟਵਰਕ ਦਾ ਆਰਕੀਟੈਕਚਰ (ਗੌਤਮ ਐੱਟ ਆਲ (Gowtam et al), 2019)

ਚਿੱਤਰ 2 :12.00 ਵਜੇ ਮਾਰਚ ਵਿਸ਼ੁਵ (equinox) ਦੌਰਾਨ ਭਾਰਤੀ ਦੇਸ਼ਾਂਤਰ ’ਤੇ ਲੰਬਵਤ ਕਾਰਜਦੇ ਰੂਪ ਵਿੱਚ ਆਯਨਮੰਡਲੀ ਇਲੈਕਟ੍ਰੌਨ ਘਣਤਾ, ਜਿਹਾ ਏਐੱਨਐੱਨਆਈਐੱਮ ਦੁਆਰਾ ਅਨੁਕਰਣ ਕੀਤਾ ਗਿਆ।

[Pubications:1. SaiGowtam, V., Tulasi Ram, S., Reinisch, B., &Prajapati, A. (2019).A new artificial neural network‐based global three‐dimensional ionospheric model (ANNIM‐3D) using long‐term ionospheric observations: Preliminary results. J. Geophys. Res. Space Physics, 124, 4639– 4657. https://doi.org/10.1029/2019JA026540.

2.Tulasi Ram, S., SaiGowtam, V., Mitra, A., &Reinisch, B. (2018). The improved two-dimensional artificial neural network-based ionospheric model (ANNIM). J. Geophys. Res. Space Physics, 123, 5807–5820. https://doi.org/10.1029/2018JA025559.

3.SaiGowtam, V., &Tulasi Ram, S. (2017). An Artificial Neural Network-based Ionospheric Model to predict NmF2 and hmF2 using long-term data set of FORMOSAT-3/COSMIC radio occultation observations: Preliminary results. J. Geophys. Res. Space Physics, 122 (11), 743-11, 755. https://doi.org/10.1002/2017JA024795.

ਜ਼ਿਆਦਾ ਜਾਣਕਾਰੀ ਲਈ ਸੰਪਰਕ ਕਰੋ :

ਡਾ. ਸਾਈ ਗੌਤਮ

saigowtam14@iigs.iigm.res.in, gowtham.physics12[at]gmail[dot]com

7021437686

ਡਾ. ਤੁਲਸੀ ਰਾਮ

tulasi@iigs.iigm.res.in, s.tulasiram[at]gmail[dot]com

7021387015

****

ਕੇਜੀਐੱਸ/(ਡੀਐੱਸਟੀ)