A IBM Research e a NASA lançaram o Surya, uma IA de código aberto que prevê erupções solares mais rapidamente e com 16% mais precisão utilizando nove anos de imagens em alta resolução do SDO.
A IBM Research, a divisão de pesquisa e desenvolvimento da empresa de tecnologia IBM, anunciou que se associou à NASA para tornar o Surya, um novo modelo de IA para física solar, de código aberto. Este modelo foi projetado para prever explosões solares intensas que podem representar riscos para astronautas, satélites, redes elétricas e comunicações na Terra, com uma velocidade sem precedentes.
Nos últimos 15 anos, o Observatório de Dinâmica Solar da NASA (SDO) monitorou continuamente o Sol para melhorar a compreensão da atividade solar, mas grande parte dos dados coletados permanece inexplorada. Quando o SDO foi lançado, as ferramentas de inteligência artificial ainda estavam em estágios iniciais, limitando a capacidade de analisar completamente o fluxo contínuo de imagens.
Surya, descrito como o primeiro modelo de fundação para a física solar, aborda essa lacuna. Ao processar dados brutos do SDO, pesquisadores da IBM, NASA e oito centros de pesquisa adicionais desenvolveram um modelo de IA capaz de prever eventos solares perigosos que podem afetar tanto sistemas espaciais quanto terrestres.
Nomeado a partir da palavra em sânscrito para "Sol", Surya agora está publicamente disponível no Hugging Face, GitHub e através da biblioteca TerraTorch da IBM para o ajuste fino de modelos de IA geoespacial. Juntamente com Surya, a equipe lançou o SuryaBench, um conjunto de conjuntos de dados e benchmarks curados, projetados para facilitar o desenvolvimento e a avaliação de aplicações não apenas para a previsão do tempo espacial, mas também para pesquisas solares mais amplas.
Prever tempestades severas na Terra já é um desafio, e prever tempestades solares adiciona complexidade adicional. As erupções solares acontecem através do campo magnético do Sol, e a luz desses eventos leva aproximadamente oito minutos para chegar à Terra. Este atraso destaca a necessidade de modelos preditivos que possam fornecer avisos antecipados de atividade solar antes que ela impacte astronautas, satélites e infraestruturas no planeta.
Surya AI Avança a Previsão da Heliosfera Com Previsão Aprimorada de Erupções Solares e Mapeamento Magnético
A iniciativa Surya da IBM reflete uma estratégia maior para adotar métodos generativos e automatizados que permitem que algoritmos sejam desenvolvidos, testados e refinados em grande escala. O projeto ilustra a perspectiva da IBM sobre a IA não apenas como uma ferramenta, mas também como um contribuinte e motor da exploração científica.
O Observatório de Dinâmica Solar (SDO) mantém uma órbita ao lado da Terra para fornecer uma visão consistente do Sol, capturando imagens a cada 12 segundos em múltiplas faixas de comprimento de onda. Essas imagens revelam variações de temperatura nas camadas do Sol, variando de aproximadamente 5.500°C na superfície a quase 2 milhões de °C na coroa, a parte mais externa de sua atmosfera. Além disso, o SDO mapeia a atividade magnética do Sol, capturando manchas solares emergentes em luz branca, medindo a velocidade de bolhas de plasma na superfície e rastreando a torção e o entrelaçamento das linhas do campo magnético.
Para treinar Surya, os pesquisadores utilizaram nove anos de dados do SDO, primeiro harmonizando os vários tipos de dados e, em seguida, experimentando com arquiteturas de IA para processar as informações. O modelo final utiliza um transformador de visão long-short com um mecanismo de filtragem espectral, permitindo que manuseie as imagens de alta resolução de 4096 x 4096 pixels do SDO, que contêm até dez vezes mais detalhes do que os dados de imagem típicos. A filtragem espectral também reduziu o uso de memória em cerca de 5% e ajudou a filtrar o ruído do conjunto de dados.
Em contraste com trabalhos anteriores com Prithvi, onde modelos reconstruíram imagens de satélites da Terra parcialmente obscuras, Surya foi treinada para prever o que o SDO observaria uma hora no futuro com base em imagens sequenciais. As previsões foram então comparadas com observações reais para medir a precisão. Ao exigir que o modelo inferisse elementos essenciais como geometria solar, estrutura magnética e rotação diferencial, os pesquisadores visavam preparar Surya para uma variedade de aplicações científicas. Inicialmente, a equipe tentou codificar explicitamente a rotação mais rápida do Sol no equador em comparação com os polos, mas permitir que o modelo aprendesse esse comportamento a partir dos dados mostrou-se mais eficaz, resultando em um desempenho melhor.
Surya demonstrou fortes capacidades de previsão, incluindo a previsão de erupções solares. Os métodos atuais permitem que os cientistas antecipem as erupções com uma hora de antecedência, enquanto Surya conseguiu um tempo de antecedência de duas horas utilizando dados visuais. Testes iniciais também indicaram uma melhoria de 16% na precisão da classificação de erupções solares, representando um avanço significativo em relação às técnicas existentes e potencialmente tornando Surya o primeiro modelo capaz de fornecer esse nível de alerta antecipado.
Surya e SuryaBench habilitam previsões impulsionadas por IA da atividade solar e dos impactos do clima espacial
Surya e SuryaBench foram projetados para tornar a pesquisa solar impulsionada por IA acessível a cientistas sem uma profunda especialização em inteligência artificial. SuryaBench fornece conjuntos de dados e benchmarks curados para tarefas-chave de previsão do clima espacial, incluindo a previsão de erupções solares, a previsão das velocidades do vento solar e a análise da estrutura magnética da coroa do Sol. As ferramentas também abordam questões antigas, como por que os ventos solares se intensificam durante as fases mais tranquilas do Sol.
Os conjuntos de dados concentram-se nas regiões ativas do Sol, manchas escuras em sua superfície onde a energia magnética se acumula e erupções como explosões solares e ejeções de massa coronal se originam. Esses eventos podem interagir com o campo magnético da Terra, perturbando satélites, comunicações e sistemas de energia. Ao treinar modelos de IA com esses dados, a Surya permite previsões de atividade solar com horas de antecedência, melhorando as capacidades de alerta precoce para perigos do clima espacial.
SuryaBench inclui aplicações para detectar radiação ultravioleta extrema e monitorizar a acumulação de linhas magnéticas na atmosfera do Sol, que podem acelerar o vento solar a velocidades potencialmente prejudiciais. Ao integrar esta informação, os cientistas podem antecipar melhor o impacto da atividade solar na Terra, incluindo efeitos em satélites, redes elétricas e infraestrutura de comunicações.
Juntos, Surya e SuryaBench fornecem uma nova estrutura impulsionada por IA para entender e prever fenômenos solares, oferecendo previsões mais rápidas e precisas de eventos solares potencialmente perigosos e dando aos pesquisadores ferramentas para responder proativamente a ameaças de clima espacial.
Esta página pode conter conteúdos de terceiros, que são fornecidos apenas para fins informativos (sem representações/garantias) e não devem ser considerados como uma aprovação dos seus pontos de vista pela Gate, nem como aconselhamento financeiro ou profissional. Consulte a Declaração de exoneração de responsabilidade para obter mais informações.
IBM e NASA Código aberto Surya AI para acelerar a previsão de tempestades solares perigosas
Em resumo
A IBM Research e a NASA lançaram o Surya, uma IA de código aberto que prevê erupções solares mais rapidamente e com 16% mais precisão utilizando nove anos de imagens em alta resolução do SDO.
A IBM Research, a divisão de pesquisa e desenvolvimento da empresa de tecnologia IBM, anunciou que se associou à NASA para tornar o Surya, um novo modelo de IA para física solar, de código aberto. Este modelo foi projetado para prever explosões solares intensas que podem representar riscos para astronautas, satélites, redes elétricas e comunicações na Terra, com uma velocidade sem precedentes.
Nos últimos 15 anos, o Observatório de Dinâmica Solar da NASA (SDO) monitorou continuamente o Sol para melhorar a compreensão da atividade solar, mas grande parte dos dados coletados permanece inexplorada. Quando o SDO foi lançado, as ferramentas de inteligência artificial ainda estavam em estágios iniciais, limitando a capacidade de analisar completamente o fluxo contínuo de imagens.
Surya, descrito como o primeiro modelo de fundação para a física solar, aborda essa lacuna. Ao processar dados brutos do SDO, pesquisadores da IBM, NASA e oito centros de pesquisa adicionais desenvolveram um modelo de IA capaz de prever eventos solares perigosos que podem afetar tanto sistemas espaciais quanto terrestres.
Nomeado a partir da palavra em sânscrito para "Sol", Surya agora está publicamente disponível no Hugging Face, GitHub e através da biblioteca TerraTorch da IBM para o ajuste fino de modelos de IA geoespacial. Juntamente com Surya, a equipe lançou o SuryaBench, um conjunto de conjuntos de dados e benchmarks curados, projetados para facilitar o desenvolvimento e a avaliação de aplicações não apenas para a previsão do tempo espacial, mas também para pesquisas solares mais amplas.
Prever tempestades severas na Terra já é um desafio, e prever tempestades solares adiciona complexidade adicional. As erupções solares acontecem através do campo magnético do Sol, e a luz desses eventos leva aproximadamente oito minutos para chegar à Terra. Este atraso destaca a necessidade de modelos preditivos que possam fornecer avisos antecipados de atividade solar antes que ela impacte astronautas, satélites e infraestruturas no planeta.
Surya AI Avança a Previsão da Heliosfera Com Previsão Aprimorada de Erupções Solares e Mapeamento Magnético
A iniciativa Surya da IBM reflete uma estratégia maior para adotar métodos generativos e automatizados que permitem que algoritmos sejam desenvolvidos, testados e refinados em grande escala. O projeto ilustra a perspectiva da IBM sobre a IA não apenas como uma ferramenta, mas também como um contribuinte e motor da exploração científica.
O Observatório de Dinâmica Solar (SDO) mantém uma órbita ao lado da Terra para fornecer uma visão consistente do Sol, capturando imagens a cada 12 segundos em múltiplas faixas de comprimento de onda. Essas imagens revelam variações de temperatura nas camadas do Sol, variando de aproximadamente 5.500°C na superfície a quase 2 milhões de °C na coroa, a parte mais externa de sua atmosfera. Além disso, o SDO mapeia a atividade magnética do Sol, capturando manchas solares emergentes em luz branca, medindo a velocidade de bolhas de plasma na superfície e rastreando a torção e o entrelaçamento das linhas do campo magnético.
Para treinar Surya, os pesquisadores utilizaram nove anos de dados do SDO, primeiro harmonizando os vários tipos de dados e, em seguida, experimentando com arquiteturas de IA para processar as informações. O modelo final utiliza um transformador de visão long-short com um mecanismo de filtragem espectral, permitindo que manuseie as imagens de alta resolução de 4096 x 4096 pixels do SDO, que contêm até dez vezes mais detalhes do que os dados de imagem típicos. A filtragem espectral também reduziu o uso de memória em cerca de 5% e ajudou a filtrar o ruído do conjunto de dados.
Em contraste com trabalhos anteriores com Prithvi, onde modelos reconstruíram imagens de satélites da Terra parcialmente obscuras, Surya foi treinada para prever o que o SDO observaria uma hora no futuro com base em imagens sequenciais. As previsões foram então comparadas com observações reais para medir a precisão. Ao exigir que o modelo inferisse elementos essenciais como geometria solar, estrutura magnética e rotação diferencial, os pesquisadores visavam preparar Surya para uma variedade de aplicações científicas. Inicialmente, a equipe tentou codificar explicitamente a rotação mais rápida do Sol no equador em comparação com os polos, mas permitir que o modelo aprendesse esse comportamento a partir dos dados mostrou-se mais eficaz, resultando em um desempenho melhor.
Surya demonstrou fortes capacidades de previsão, incluindo a previsão de erupções solares. Os métodos atuais permitem que os cientistas antecipem as erupções com uma hora de antecedência, enquanto Surya conseguiu um tempo de antecedência de duas horas utilizando dados visuais. Testes iniciais também indicaram uma melhoria de 16% na precisão da classificação de erupções solares, representando um avanço significativo em relação às técnicas existentes e potencialmente tornando Surya o primeiro modelo capaz de fornecer esse nível de alerta antecipado.
Surya e SuryaBench habilitam previsões impulsionadas por IA da atividade solar e dos impactos do clima espacial
Surya e SuryaBench foram projetados para tornar a pesquisa solar impulsionada por IA acessível a cientistas sem uma profunda especialização em inteligência artificial. SuryaBench fornece conjuntos de dados e benchmarks curados para tarefas-chave de previsão do clima espacial, incluindo a previsão de erupções solares, a previsão das velocidades do vento solar e a análise da estrutura magnética da coroa do Sol. As ferramentas também abordam questões antigas, como por que os ventos solares se intensificam durante as fases mais tranquilas do Sol.
Os conjuntos de dados concentram-se nas regiões ativas do Sol, manchas escuras em sua superfície onde a energia magnética se acumula e erupções como explosões solares e ejeções de massa coronal se originam. Esses eventos podem interagir com o campo magnético da Terra, perturbando satélites, comunicações e sistemas de energia. Ao treinar modelos de IA com esses dados, a Surya permite previsões de atividade solar com horas de antecedência, melhorando as capacidades de alerta precoce para perigos do clima espacial.
SuryaBench inclui aplicações para detectar radiação ultravioleta extrema e monitorizar a acumulação de linhas magnéticas na atmosfera do Sol, que podem acelerar o vento solar a velocidades potencialmente prejudiciais. Ao integrar esta informação, os cientistas podem antecipar melhor o impacto da atividade solar na Terra, incluindo efeitos em satélites, redes elétricas e infraestrutura de comunicações.
Juntos, Surya e SuryaBench fornecem uma nova estrutura impulsionada por IA para entender e prever fenômenos solares, oferecendo previsões mais rápidas e precisas de eventos solares potencialmente perigosos e dando aos pesquisadores ferramentas para responder proativamente a ameaças de clima espacial.