8 Minutės
Naujas DI, prognozuojantis Saulės audras
IBM ir NASA pristatė Surya — pirmos tokios rūšies pagrindinį dirbtinio intelekto (DI) modelį, sukurtą prognozuoti galingus saulės žybsnius ir kitus kosminės meteorologijos reiškinius su neįprastu greičiu ir tikslumu. Surya naudoja žalią, didelio dažnio vaizdinę informaciją iš NASA Saulės dinamikos observatorijos (SDO) ir rengia trumpalaikes Saulės dinamikos prognozes, įskaitant žybsnių tikimybę, Saulės vėjo elgseną bei didelio ultravioletinio (EUV) spektro pokyčius. Sistema yra atviro kodo ir viešai prieinama — kartu su SuryaBench, atrinktų duomenų rinkiniu ir etalonais, skirtais pagreitinti heliofizikos tyrimus ir operatyvias kosminės meteorologijos prognozes.
Kodėl svarbu tiksliai prognozuoti saulės žybsnius
Kosminė meteorologija — kuriai įtaką daro saulės žybsniai ir koroninės masės išmetimai (CME) — kelia vis didesnę riziką, nes žmonių veikla plinta orbitose, o visuomenė tampa labiau priklausoma nuo palydovų ir su jais susijusios infrastruktūros. Stiprūs žybsniai ir CME gali pažeisti palydovus, trikdyti radijo ir GPS signalus, kuriuos naudoja aviacijos ir jūrų navigacija, sukelti geomagnetinius srovių įsijungimus, kurie grėsmingi elektros tinklams, ir padidinti radiacijos lygį kosmonautams bei aukšto aukščio reisų įgulai. Tobulesnės trumpalaikės Saulės aktyvumo prognozės suteikia operatoriams ir misijų planuotojams laiko išjungti pažeidžiamas sistemas, persiorientuoti kosminius aparatus, apsaugoti astronautus ir sušvelninti perteklinius poveikius ryšio bei elektros tinklams.
Prognozuoti žemės atmosferos orus jau yra sudėtinga; prognozės dėl Saulės audrų reikalauja papildomos sudėtingumo. Šviesa ir elektromagnetiniai signalai nuo žybsnių sklinda šviesos greičiu, tačiau stebėjimo delsos problema išlieka: fotonams nuo žybsnio užtrunka maždaug aštuonias minutes, kol pasiekia Žemę, todėl realaus laiko žinojimas yra ribotas. Todėl prognozavimo modeliai turi spėti apie kintančias sąlygas Saulėje ir numatyti išsiveržimus anksčiau, nei jų poveikis pasieks tarpplanetinę erdvę.
Mokslinis pagrindas: instrumentai, fizika ir duomenys
Saulės dinamikos observatorija (SDO) be pertraukos stebi Saulę daugiau nei dešimtmetį, fiksuodama pilno disko vaizdus kas 12 sekundžių keliuose bangos ilgiuose. Du pagrindiniai SDO instrumentai maitina Surya:
Atmospheric Imaging Assembly (AIA)
AIA registruoja Saulės viršutinę atmosferą (koroną) keliuose EUV ir UV kanaluose. Kiekvienas kanalas atspindi emisiją skirtinguose temperatūros ir aukščio sluoksniuose Saulės atmosferoje — kartu jie atskleidžia plazmos struktūras, šilumos įvykius ir erupcinį elgesį per maždaug 1,3 Saulės skersmenų apžvalgos lauką.
Helioseismic and Magnetic Imager (HMI)
HMI matuoja fotosferos magnetinius laukus ir helioseizmines svyravimus matomoje Saulės paviršiaus dalyje. Magnetinio lauko kaita — atsiradimas, neutralizavimas ir linijų sukimas — yra pagrindinis žybsnių ir CME variklis, todėl HMI vektorinių magnetinių duomenų vaidmuo prognozuojant yra esminis.
Surya integruoja aštuonis AIA kanalus ir penkis HMI produktus, kad sudarytų daugiasluoksnį Saulės aktyvumo atvaizdą. Modelis yra išmokytas atpažinti plazmos emisijos, magnetinės topologijos ir paviršiaus dinamikos raštus, kurie iš anksto signalizuoja energingus įvykius.
Surya modelis: architektūra, mokymas ir galimybės
Surya yra atviro kodo pagrindinis modelis, turintis apie 360 milijonų parametrų, sukurtas išmokti kompaktišką, fiziškai pagrįstą Saulės elgesio reprezentaciją. Tyrėjai atrinko devynerių metų harmonizuotus SDO duomenis modelio mokymui: vaizdai ir magnetiniai produktai buvo išankstinio apdorojimo ir sulyginimo procedūromis, kad modelis galėtų išmokti tarpkanalines koreliacijas ir daugalaikes dinamikas.
Mokymo užduotis naudojo sekvencinį vaizdų įvedimą ir reikalavo, kad modelis prognozuotų SDO stebėjimus valandą į priekį. Plėtros metu komandos eksperimentavo su architektūromis ir duomenų harmonizavimo strategijomis; vienas reikšmingas pastebėjimas buvo tas, kad Surya išmoko Saulės savitumus — pavyzdžiui, diferencialinį sukimąsi (ekvatorius sukasi greičiau nei poliai) — efektyviau iš duomenų nei iš iš anksto užkoduotų taisyklių.
Techninės galimybės:
- Trumpalaikė prognozė: Surya prognozuoja Saulės vaizdus, magnetinę raidą ir išvestines kiekybes, tokias kaip EUV spektrai ir Saulės vėjo požymiai.
- Žybsnių prognozavimas: bandymuose modelis sugebėjo pažymėti aktyvias sritis, kurios tikėtina sukels žybsnį per vieną valandą, ir tam tikromis vaizdinėmis sąlygomis pateikė naudingas prognozes iki dviejų valandų.
- Operatyvinis potencialas: greitesnis nei žmogaus automatizuotas požymių išgavimo iš petabaitų SDO vaizdų leidžia artimo realaus laiko įspėjimus ir tolesnius operatyvinius darbo srautus.
Surya kūrėjai pranešė apie maždaug 16 % pagerinimą žybsnių prognozavimo našumo palyginti su esamais metodais jų eksperimentuose. Rezultatai ir modelio detalės buvo paskelbti arXiv 2025 m. rugpjūčio 18 d.; straipsnis šiuo metu yra priešspausdinys ir laukia recenzavimo.
„Nuo 2023 m. kartu su NASA žengiame technologijų ribų stūmimo keliu, pristatydami pionierinius pagrindinius DI modelius, kurie suteikia beprecedentį mūsų planetos Žemės supratimą“, — sakė Juan Bernabé-Moreno, IBM Research Europe direktorius Jungtinėje Karalystėje ir Airijoje. „Su Surya mes sukūrėme pirmąjį pagrindinį modelį, kuris pažvelgia Saulei į akis ir prognozuoja jos nuotaikas.“
„Tai puikus būdas išnaudoti šių duomenų potencialą“, — sakė Kathy Reeves, Saulės fiziologė iš Harvard–Smithsonian Astrofizikos centro, kuri nebuvo įtraukta į tyrimą. „Ištraukti požymius ir įvykius iš petabaitų duomenų yra varginantis procesas, o dabar tai galima automatizuoti.“
Bandymai, rezultatai ir operatyvinės pasekmės
Bendruose etalonavimo užduotyse Surya sugeneravo valandos į priekį vaizdus ir tikimybinės žybsnių prognozes, kurios prilygo arba pranoko aukščiausio lygio metodus. Modelio gebėjimas sintetinti daugikanalius įvestis (AIA EUV juostas ir HMI magnetogramas) leidžia aptikti subtilias pranašes — magnetinį įtempių pokytį, kylančią magnetinę srautą ir greitą koronos įšilimą — kurie dažnai lydi energingus išsiveržimus.
Operatyvinės naudos apima:
- Daugiau laiko palydovų operatoriams ir misijų valdymui perjungti sistemas į saugius režimus.
- Patobulintas radiacijos rizikos prognozes pilotuojamoms misijoms ir aukšto aukščio aviacijai.
- Ankstyvesnius įspėjimus elektros tiekėjams ir GNSS priklausomoms paslaugoms pasiruošti galimiems geomagnetiniams efektams.
Komanda pateikė Surya atviro kodo kodą GitHub ir įkėlė kopiją į Hugging Face, kartu su SuryaBench — dokumentuotų duomenų rinkiniu ir vertinimo etalonais, skirtu padėti kitiems tyrėjams atkartoti rezultatus ir išplėsti darbą.
Eksperto požiūris
Dr. Elena Morales, hipotetinė vyresnioji heliofiziologė ir misijų analitikė (Eksperto požiūris), komentuoja: „Surya žymi esminį pokytį, kaip nuolatiniai stebėjimų srautai virsta veiksmingomis prognozėmis. Mokydamasis tiesiogiai iš daugabangio vaizdo ir magnetinių produktų, modelis gali identifikuoti pranašes, kuriuos sunku išgauti rankiniu požymių inžinerijos būdu. Atviro kodo leidimas ir SuryaBench bus lemiami kuriant bendruomenės pasitikėjimą, tikrinant našumą per Saulės ciklus ir integruojant prognozes į operatyvinius srautus, kurie saugo kosminius aparatus ir infrastruktūrą.“
Pastaba: aukščiau pateiktas citatos tekstas yra konstruotas ekspertinis požiūris, skirtas iliustruoti, kaip praktikuojantis heliofiziologas galėtų įvertinti sistemos galimybes ir pasekmes.
Susijusios technologijos ir ateities perspektyvos
Surya prisijungia prie augančios pagrindinių modelių šeimos Žemės ir kosmoso mokslams. Pavyzdžiui, IBM „Prithvi“ modeliai orientuoti į žemės klimato ir oro užduotis — miškų naikinimo kartografavimą, potvynių modeliavimo ir ekstremalių karščių prognozavimą — įtraukdami terabaitus ar petabaitus palydovinių duomenų. Saulės ir Žemės DI sistemų integracija galėtų suteikti galimybę nuo pradžios iki pabaigos vertinti, kaip Saulės audros sklinda iki artimos Žemės aplinkos ir veikia infrastruktūrą.
Ateities kryptys apima:
- Prognozių pratęsimą už trumpalaikių horizonto ribų sujungiant Surya su heliosferos propagacijos modeliais, kad būtų prognozuojami CME atvykimo laikai ir geomagnetinių audrų intensyvumas.
- Tęstinį mokymąsi, kad modelis prisitaikytų prie naujų Saulės sąlygų ir instrumentų atnaujinimų.
- Platesnį bendruomenės tikrinimą skirtingais Saulės ciklo etapais, siekiant kiekybiškai įvertinti realų operatyvinį naudingumą.
Išvada
Surya yra atradimas kosminės meteorologijos prognozėse: atviro kodo, ~360 milijonų parametrų DI modelis, apmokytas su daugakanaliais SDO duomenimis, kuris gali prognozuoti trumpalaikę Saulės aktyvumą su patobulintu tikslumu. Automatizuodamas požymių išgavimą iš petabaitų Saulės vaizdų, Surya suteikia perspektyvų įrankį palydovų, astronautų ir žemės infrastruktūros apsaugai nuo žalingų kosminės meteorologijos poveikių. Viešas modelio ir SuryaBench leidimas kviečia mokslinę bendruomenę atkartoti, patvirtinti ir išplėsti šiuos metodus — esminis žingsnis pereinant nuo tyrimų prie operatyvinio DI pagrįsto Saulės prognozavimo. Tolimesnis vertinimas, recenzavimas ir integracija su heliosferos bei geomagnetiniais modeliais nulems, kiek papildomo perspėjimo laiko Surya patikimai suteiks realaus pasaulio scenarijuose.
Šaltinis: livescience
Komentarai