IBM Research y NASA han lanzado Surya, una IA de código abierto que predice las erupciones solares más rápido y con un 16% más de precisión utilizando nueve años de imágenes de alta resolución del SDO.
IBM Research, la división de investigación y desarrollo de la empresa tecnológica IBM, anunció que se ha asociado con la NASA para liberar como código abierto Surya, un nuevo modelo de IA para la física solar diseñado para predecir intensas erupciones solares que podrían representar riesgos para los astronautas, satélites, redes eléctricas y comunicaciones en la Tierra, con una velocidad sin precedentes.
Durante los últimos 15 años, el Observatorio de Dinámica Solar de la NASA (SDO) ha monitoreado continuamente el Sol para mejorar la comprensión de la actividad solar, sin embargo, gran parte de los datos que ha recopilado permanece sin explorar. Cuando se lanzó el SDO, las herramientas de inteligencia artificial aún estaban en sus primeras etapas, limitando la capacidad de analizar completamente el flujo continuo de imágenes.
Surya, descrito como el primer modelo fundamental para la física solar, aborda esta brecha. Al procesar datos en bruto del SDO, investigadores de IBM, NASA y ocho centros de investigación adicionales han desarrollado un modelo de IA capaz de predecir eventos solares peligrosos que pueden afectar tanto a los sistemas espaciales como a los basados en la Tierra.
Nombrado así por la palabra sánscrita para "Sol", Surya ahora está disponible públicamente en Hugging Face, GitHub y a través de la biblioteca TerraTorch de IBM para el ajuste fino de modelos de IA geoespaciales. Junto a Surya, el equipo ha lanzado SuryaBench, un conjunto de conjuntos de datos y benchmarks curados diseñados para facilitar el desarrollo y la evaluación de aplicaciones no solo para la predicción del clima espacial, sino también para una investigación solar más amplia.
Prever tormentas severas en la Tierra ya es un desafío, y predecir tormentas solares añade una complejidad adicional. Las erupciones solares estallan a través del campo magnético del Sol, y la luz de estos eventos tarda aproximadamente ocho minutos en llegar a la Tierra. Este retraso subraya la necesidad de modelos predictivos que puedan proporcionar alertas tempranas de la actividad solar antes de que impacte a astronautas, satélites e infraestructuras en el planeta.
Surya AI Avanza en la Predicción de la Heliosfera Con la Mejora en la Predicción de Erupciones Solares y Mapeo Magnético
La iniciativa Surya de IBM refleja una estrategia más amplia para adoptar métodos generativos y automatizados que permitan desarrollar, probar y perfeccionar algoritmos a gran escala. El proyecto ilustra la perspectiva de IBM sobre la IA no solo como una herramienta, sino también como un contribuyente y motor de la exploración científica.
El Observatorio de Dinámica Solar (SDO) mantiene una órbita junto a la Tierra para proporcionar una vista consistente del Sol, capturando imágenes cada 12 segundos a través de múltiples bandas de longitud de onda. Estas imágenes revelan variaciones de temperatura a través de las capas del Sol, que van desde aproximadamente 5,500°C en la superficie hasta casi 2 millones °C en la corona, la parte más externa de su atmósfera. Además, el SDO mapea la actividad magnética del Sol, capturando manchas solares emergentes en luz blanca, midiendo la velocidad de burbujas de plasma en la superficie y rastreando el giro y enredo de las líneas de campo magnético.
Para entrenar a Surya, los investigadores utilizaron nueve años de datos del SDO, primero armonizando los diversos tipos de datos y luego experimentando con arquitecturas de IA para procesar la información. El modelo final utiliza un transformador de visión de largo y corto alcance con un mecanismo de filtrado espectral, lo que le permite manejar las imágenes de alta resolución de 4096 x 4096 píxeles del SDO, que contienen hasta diez veces más detalles que los datos de imagen típicos. El filtrado espectral también redujo el uso de memoria en alrededor del 5% y ayudó a filtrar el ruido del conjunto de datos.
A diferencia de trabajos anteriores con Prithvi, donde los modelos reconstruyeron imágenes satelitales de la Tierra parcialmente ocultas, Surya fue entrenado para predecir lo que el SDO observaría una hora en el futuro basado en imágenes secuenciales. Las predicciones se compararon luego con observaciones reales para medir la precisión. Al requerir que el modelo inferiera elementos esenciales como la geometría solar, la estructura magnética y la rotación diferencial, los investigadores pretendían preparar a Surya para una variedad de aplicaciones científicas. Inicialmente, el equipo intentó codificar explícitamente la rotación más rápida del Sol en el ecuador en comparación con sus polos, pero permitir que el modelo aprendiera este comportamiento a partir de los datos resultó ser más efectivo, lo que dio como resultado un mejor rendimiento.
Surya demostró fuertes capacidades de pronóstico, incluida la predicción de erupciones solares. Los métodos actuales permiten a los científicos anticipar las erupciones con una hora de antelación, mientras que Surya logró un tiempo de anticipación de dos horas utilizando datos visuales. Las pruebas iniciales también indicaron una mejora del 16% en la precisión de la clasificación de erupciones solares, lo que representa un avance significativo sobre las técnicas existentes y potencialmente convierte a Surya en el primer modelo capaz de proporcionar este nivel de advertencia anticipada.
Surya y SuryaBench permiten la predicción impulsada por IA de la actividad solar y los impactos del clima espacial
Surya y SuryaBench están diseñados para hacer que la investigación solar impulsada por IA sea accesible para los científicos sin una profunda experiencia en inteligencia artificial. SuryaBench proporciona conjuntos de datos y evaluaciones curadas para tareas clave de predicción del clima espacial, incluyendo la predicción de erupciones solares, la predicción de velocidades del viento solar y el análisis de la estructura magnética de la corona del Sol. Las herramientas también abordan preguntas de larga data, como por qué los vientos solares se intensifican durante las fases más tranquilas del Sol.
Los conjuntos de datos se centran en las regiones activas del Sol, manchas oscuras en su superficie donde se acumula energía magnética y de las cuales se originan erupciones como las llamaradas solares y las eyecciones de masa coronal. Estos eventos pueden interactuar con el campo magnético de la Tierra, interrumpiendo satélites, comunicaciones y sistemas de energía. Al entrenar modelos de IA con estos datos, Surya permite predecir la actividad solar con horas de antelación, mejorando las capacidades de alerta temprana para los peligros del clima espacial.
SuryaBench incluye aplicaciones para detectar radiación ultravioleta extrema y monitorear la acumulación de líneas magnéticas en la atmósfera del Sol, lo que puede acelerar el viento solar a velocidades potencialmente dañinas. Al integrar esta información, los científicos pueden anticipar mejor el impacto de la actividad solar en la Tierra, incluidos los efectos en satélites, redes eléctricas e infraestructura de comunicaciones.
Juntos, Surya y SuryaBench ofrecen un nuevo marco impulsado por IA para comprender y predecir fenómenos solares, ofreciendo pronósticos más rápidos y precisos de eventos solares potencialmente peligrosos y brindando a los investigadores herramientas para responder proactivamente a las amenazas del clima espacial.
Esta página puede contener contenido de terceros, que se proporciona únicamente con fines informativos (sin garantías ni declaraciones) y no debe considerarse como un respaldo por parte de Gate a las opiniones expresadas ni como asesoramiento financiero o profesional. Consulte el Descargo de responsabilidad para obtener más detalles.
IBM y NAS Código abierto Surya AI para acelerar la predicción de tormentas solares peligrosas
En breve
IBM Research y NASA han lanzado Surya, una IA de código abierto que predice las erupciones solares más rápido y con un 16% más de precisión utilizando nueve años de imágenes de alta resolución del SDO.
IBM Research, la división de investigación y desarrollo de la empresa tecnológica IBM, anunció que se ha asociado con la NASA para liberar como código abierto Surya, un nuevo modelo de IA para la física solar diseñado para predecir intensas erupciones solares que podrían representar riesgos para los astronautas, satélites, redes eléctricas y comunicaciones en la Tierra, con una velocidad sin precedentes.
Durante los últimos 15 años, el Observatorio de Dinámica Solar de la NASA (SDO) ha monitoreado continuamente el Sol para mejorar la comprensión de la actividad solar, sin embargo, gran parte de los datos que ha recopilado permanece sin explorar. Cuando se lanzó el SDO, las herramientas de inteligencia artificial aún estaban en sus primeras etapas, limitando la capacidad de analizar completamente el flujo continuo de imágenes.
Surya, descrito como el primer modelo fundamental para la física solar, aborda esta brecha. Al procesar datos en bruto del SDO, investigadores de IBM, NASA y ocho centros de investigación adicionales han desarrollado un modelo de IA capaz de predecir eventos solares peligrosos que pueden afectar tanto a los sistemas espaciales como a los basados en la Tierra.
Nombrado así por la palabra sánscrita para "Sol", Surya ahora está disponible públicamente en Hugging Face, GitHub y a través de la biblioteca TerraTorch de IBM para el ajuste fino de modelos de IA geoespaciales. Junto a Surya, el equipo ha lanzado SuryaBench, un conjunto de conjuntos de datos y benchmarks curados diseñados para facilitar el desarrollo y la evaluación de aplicaciones no solo para la predicción del clima espacial, sino también para una investigación solar más amplia.
Prever tormentas severas en la Tierra ya es un desafío, y predecir tormentas solares añade una complejidad adicional. Las erupciones solares estallan a través del campo magnético del Sol, y la luz de estos eventos tarda aproximadamente ocho minutos en llegar a la Tierra. Este retraso subraya la necesidad de modelos predictivos que puedan proporcionar alertas tempranas de la actividad solar antes de que impacte a astronautas, satélites e infraestructuras en el planeta.
Surya AI Avanza en la Predicción de la Heliosfera Con la Mejora en la Predicción de Erupciones Solares y Mapeo Magnético
La iniciativa Surya de IBM refleja una estrategia más amplia para adoptar métodos generativos y automatizados que permitan desarrollar, probar y perfeccionar algoritmos a gran escala. El proyecto ilustra la perspectiva de IBM sobre la IA no solo como una herramienta, sino también como un contribuyente y motor de la exploración científica.
El Observatorio de Dinámica Solar (SDO) mantiene una órbita junto a la Tierra para proporcionar una vista consistente del Sol, capturando imágenes cada 12 segundos a través de múltiples bandas de longitud de onda. Estas imágenes revelan variaciones de temperatura a través de las capas del Sol, que van desde aproximadamente 5,500°C en la superficie hasta casi 2 millones °C en la corona, la parte más externa de su atmósfera. Además, el SDO mapea la actividad magnética del Sol, capturando manchas solares emergentes en luz blanca, midiendo la velocidad de burbujas de plasma en la superficie y rastreando el giro y enredo de las líneas de campo magnético.
Para entrenar a Surya, los investigadores utilizaron nueve años de datos del SDO, primero armonizando los diversos tipos de datos y luego experimentando con arquitecturas de IA para procesar la información. El modelo final utiliza un transformador de visión de largo y corto alcance con un mecanismo de filtrado espectral, lo que le permite manejar las imágenes de alta resolución de 4096 x 4096 píxeles del SDO, que contienen hasta diez veces más detalles que los datos de imagen típicos. El filtrado espectral también redujo el uso de memoria en alrededor del 5% y ayudó a filtrar el ruido del conjunto de datos.
A diferencia de trabajos anteriores con Prithvi, donde los modelos reconstruyeron imágenes satelitales de la Tierra parcialmente ocultas, Surya fue entrenado para predecir lo que el SDO observaría una hora en el futuro basado en imágenes secuenciales. Las predicciones se compararon luego con observaciones reales para medir la precisión. Al requerir que el modelo inferiera elementos esenciales como la geometría solar, la estructura magnética y la rotación diferencial, los investigadores pretendían preparar a Surya para una variedad de aplicaciones científicas. Inicialmente, el equipo intentó codificar explícitamente la rotación más rápida del Sol en el ecuador en comparación con sus polos, pero permitir que el modelo aprendiera este comportamiento a partir de los datos resultó ser más efectivo, lo que dio como resultado un mejor rendimiento.
Surya demostró fuertes capacidades de pronóstico, incluida la predicción de erupciones solares. Los métodos actuales permiten a los científicos anticipar las erupciones con una hora de antelación, mientras que Surya logró un tiempo de anticipación de dos horas utilizando datos visuales. Las pruebas iniciales también indicaron una mejora del 16% en la precisión de la clasificación de erupciones solares, lo que representa un avance significativo sobre las técnicas existentes y potencialmente convierte a Surya en el primer modelo capaz de proporcionar este nivel de advertencia anticipada.
Surya y SuryaBench permiten la predicción impulsada por IA de la actividad solar y los impactos del clima espacial
Surya y SuryaBench están diseñados para hacer que la investigación solar impulsada por IA sea accesible para los científicos sin una profunda experiencia en inteligencia artificial. SuryaBench proporciona conjuntos de datos y evaluaciones curadas para tareas clave de predicción del clima espacial, incluyendo la predicción de erupciones solares, la predicción de velocidades del viento solar y el análisis de la estructura magnética de la corona del Sol. Las herramientas también abordan preguntas de larga data, como por qué los vientos solares se intensifican durante las fases más tranquilas del Sol.
Los conjuntos de datos se centran en las regiones activas del Sol, manchas oscuras en su superficie donde se acumula energía magnética y de las cuales se originan erupciones como las llamaradas solares y las eyecciones de masa coronal. Estos eventos pueden interactuar con el campo magnético de la Tierra, interrumpiendo satélites, comunicaciones y sistemas de energía. Al entrenar modelos de IA con estos datos, Surya permite predecir la actividad solar con horas de antelación, mejorando las capacidades de alerta temprana para los peligros del clima espacial.
SuryaBench incluye aplicaciones para detectar radiación ultravioleta extrema y monitorear la acumulación de líneas magnéticas en la atmósfera del Sol, lo que puede acelerar el viento solar a velocidades potencialmente dañinas. Al integrar esta información, los científicos pueden anticipar mejor el impacto de la actividad solar en la Tierra, incluidos los efectos en satélites, redes eléctricas e infraestructura de comunicaciones.
Juntos, Surya y SuryaBench ofrecen un nuevo marco impulsado por IA para comprender y predecir fenómenos solares, ofreciendo pronósticos más rápidos y precisos de eventos solares potencialmente peligrosos y brindando a los investigadores herramientas para responder proactivamente a las amenazas del clima espacial.