Дослідження IBM та NASA запустили Surya, відкритий штучний інтелект, який прогнозує сонячні спалахи швидше та на 16% точніше, використовуючи дев'ять років зображень високої роздільної здатності SDO.
Дослідження IBM, підрозділ досліджень і розробок технологічної компанії IBM, оголосило, що уклало партнерство з NASA для відкриття коду Surya, нової моделі ШІ для сонячної фізики, розробленої для прогнозування інтенсивних сонячних спалахів, які можуть загрожувати астронавтам, супутникам, електромережам і зв'язку на Землі, з безпрецедентною швидкістю.
Протягом останніх 15 років супутник Сонячної динамічної обсерваторії NASA (SDO) безперервно моніторить Сонце, щоб покращити розуміння сонячної активності, однак велика частина зібраних даних залишилася невивченою. Коли SDO запустили, інструменти штучного інтелекту все ще перебували на початкових стадіях, що обмежувало можливість повноцінного аналізу безперервного потоку зображень.
Сур'я, описаний як перша основна модель для сонячної фізики, вирішує цю проблему. Обробляючи сирі дані з SDO, дослідники з IBM, NASA та восьми додаткових наукових центрів розробили модель ШІ, здатну прогнозувати небезпечні сонячні події, які можуть впливати як на космічні, так і на наземні системи.
Названий на честь санскритського слова «Сонце», Surya тепер доступний публічно на Hugging Face, GitHub та через бібліотеку TerraTorch від IBM для тонкого налаштування геопросторових AI моделей. Разом з Surya команда випустила SuryaBench, набір кураторських наборів даних і бенчмарків, призначених для сприяння розвитку та оцінці застосунків не тільки для прогнозування космічної погоди, але й для ширших досліджень сонця.
Прогнозування сильних штормів на Землі вже є складним завданням, а прогнозування сонячних штормів додає додаткову складність. Сонячні спалахи прориваються через магнітне поле Сонця, а світло від цих подій досягає Землі приблизно за вісім хвилин. Це затримка підкреслює необхідність прогностичних моделей, які можуть надати ранні попередження про сонячну активність до того, як вона вплине на астронавтів, супутники та інфраструктуру на планеті.
Surya AI просуває прогнозування геліосфери з покращеним прогнозуванням сонячних спалахів та магнітним картуванням
Ініціатива Surya від IBM відображає більшу стратегію щодо впровадження генеративних і автоматизованих методів, які дозволяють алгоритмам розроблятися, тестуватися та вдосконалюватися в масштабах. Проект ілюструє погляд IBM на ШІ не тільки як на інструмент, але й як на учасника та рушій наукових досліджень.
Сонячна динамічна обсерваторія (SDO) підтримує орбіту поруч із Землею, щоб забезпечити постійний огляд Сонця, захоплюючи зображення кожні 12 секунд у кількох довжинах хвиль. Ці зображення показують температурні варіації в шарах Сонця, які коливаються від приблизно 5,500°C на поверхні до майже 2 мільйонів °C у короні, зовнішній частині його атмосфери. Крім того, SDO картографує магнітну активність Сонця, захоплюючи нові сонячні плями у білому світлі, вимірюючи швидкість плазмових бульбашок на поверхні та відстежуючи закручування і заплутування магнітних ліній поля.
Щоб навчити Сур'ю, дослідники використовували дев'ять років даних SDO, спочатку гармонізуючи різні типи даних, а потім експериментуючи з архітектурами ШІ для обробки інформації. Остаточна модель використовує трансформер з довгим і коротким зображенням з механізмом спектрального гейтингу, що дозволяє їй обробляти високораздільні зображення SDO розміром 4096 x 4096 пікселів, які містять до десяти разів більше деталей, ніж типові зображення. Спектральний гейтинг також зменшив використання пам'яті приблизно на 5% і допоміг фільтрувати шум із набору даних.
На відміну від попередньої роботи з Прітхві, де моделі відновлювали частково закриті супутникові зображення Землі, Сур'я була навчена прогнозувати, що спостерігатиме SDO через годину, спираючись на послідовні зображення. Прогнози були порівняні з фактичними спостереженнями для вимірювання точності. Вимагаючи від моделі виводити основні елементи, такі як сонячна геометрія, магнітна структура та диференціальне обертання, дослідники прагнули підготувати Сур'ю для різноманітних наукових застосувань. Спочатку команда намагалася явно закодувати швидше обертання Сонця на екваторі в порівнянні з його полюсами, але дозволити моделі навчитися цієї поведінки з даних виявилося більш ефективним, що призвело до кращих результатів.
Сур'я продемонструвала потужні можливості прогнозування, зокрема прогнозування сонячних спалахів. Поточні методи дозволяють науковцям передбачати спалахи за годину до їх виникнення, тоді як Сур'я досягла двогодинного терміну попередження, використовуючи візуальні дані. Ранні тести також показали 16% покращення в точності класифікації сонячних спалахів, що представляє собою значний прогрес у порівнянні з існуючими техніками і потенційно робить Сур'ю першою моделлю, здатною надавати такий рівень раннього попередження.
Surya та SuryaBench дозволяють прогнозування сонячної активності та впливу космічної погоди на основі штучного інтелекту
Surya та SuryaBench розроблені для того, щоб зробити дослідження, орієнтовані на штучний інтелект, доступними для вчених без глибокої експертизи в області штучного інтелекту. SuryaBench надає куровані набори даних і бенчмарки для ключових завдань прогнозування космічної погоди, включаючи прогнозування сонячних спалахів, передбачення швидкостей сонячного вітру та аналіз магнітної структури корони Сонця. Інструменти також вирішують давні питання, такі як чому сонячні вітри посилюються під час тихіших фаз Сонця.
Набори даних зосереджені на активних регіонах Сонця, темних плямах на його поверхні, де накопичується магнітна енергія, і звідки виникають такі явища, як сонячні спалахи та корональні викиди маси. Ці події можуть взаємодіяти з магнітним полем Землі, порушуючи роботу супутників, зв'язок та енергетичні системи. Навчаючи моделі штучного інтелекту на цих даних, Surya дозволяє робити прогнози сонячної активності за кілька годин наперед, покращуючи можливості раннього попередження про небезпеки космічної погоди.
SuryaBench включає додатки для виявлення екстремального ультрафіолетового випромінювання та моніторингу накопичення магнітних ліній в атмосфері Сонця, що може прискорювати сонячний вітер до потенційно руйнівних швидкостей. Інтегруючи цю інформацію, вчені можуть краще передбачити вплив сонячної активності на Землю, включаючи наслідки для супутників, електромереж і комунікаційної інфраструктури.
Разом Surya та SuryaBench надають нову платформу, що керується штучним інтелектом, для розуміння та прогнозування сонячних явищ, пропонуючи швидше та точніше прогнозування потенційно небезпечних сонячних подій та надаючи дослідникам інструменти для проактивного реагування на загрози космічної погоди.
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
IBM та NAS Відкритий вихідний код Surya AI для прискорення прогнозування небезпечних сонячних штормів
Коротко
Дослідження IBM та NASA запустили Surya, відкритий штучний інтелект, який прогнозує сонячні спалахи швидше та на 16% точніше, використовуючи дев'ять років зображень високої роздільної здатності SDO.
Дослідження IBM, підрозділ досліджень і розробок технологічної компанії IBM, оголосило, що уклало партнерство з NASA для відкриття коду Surya, нової моделі ШІ для сонячної фізики, розробленої для прогнозування інтенсивних сонячних спалахів, які можуть загрожувати астронавтам, супутникам, електромережам і зв'язку на Землі, з безпрецедентною швидкістю.
Протягом останніх 15 років супутник Сонячної динамічної обсерваторії NASA (SDO) безперервно моніторить Сонце, щоб покращити розуміння сонячної активності, однак велика частина зібраних даних залишилася невивченою. Коли SDO запустили, інструменти штучного інтелекту все ще перебували на початкових стадіях, що обмежувало можливість повноцінного аналізу безперервного потоку зображень.
Сур'я, описаний як перша основна модель для сонячної фізики, вирішує цю проблему. Обробляючи сирі дані з SDO, дослідники з IBM, NASA та восьми додаткових наукових центрів розробили модель ШІ, здатну прогнозувати небезпечні сонячні події, які можуть впливати як на космічні, так і на наземні системи.
Названий на честь санскритського слова «Сонце», Surya тепер доступний публічно на Hugging Face, GitHub та через бібліотеку TerraTorch від IBM для тонкого налаштування геопросторових AI моделей. Разом з Surya команда випустила SuryaBench, набір кураторських наборів даних і бенчмарків, призначених для сприяння розвитку та оцінці застосунків не тільки для прогнозування космічної погоди, але й для ширших досліджень сонця.
Прогнозування сильних штормів на Землі вже є складним завданням, а прогнозування сонячних штормів додає додаткову складність. Сонячні спалахи прориваються через магнітне поле Сонця, а світло від цих подій досягає Землі приблизно за вісім хвилин. Це затримка підкреслює необхідність прогностичних моделей, які можуть надати ранні попередження про сонячну активність до того, як вона вплине на астронавтів, супутники та інфраструктуру на планеті.
Surya AI просуває прогнозування геліосфери з покращеним прогнозуванням сонячних спалахів та магнітним картуванням
Ініціатива Surya від IBM відображає більшу стратегію щодо впровадження генеративних і автоматизованих методів, які дозволяють алгоритмам розроблятися, тестуватися та вдосконалюватися в масштабах. Проект ілюструє погляд IBM на ШІ не тільки як на інструмент, але й як на учасника та рушій наукових досліджень.
Сонячна динамічна обсерваторія (SDO) підтримує орбіту поруч із Землею, щоб забезпечити постійний огляд Сонця, захоплюючи зображення кожні 12 секунд у кількох довжинах хвиль. Ці зображення показують температурні варіації в шарах Сонця, які коливаються від приблизно 5,500°C на поверхні до майже 2 мільйонів °C у короні, зовнішній частині його атмосфери. Крім того, SDO картографує магнітну активність Сонця, захоплюючи нові сонячні плями у білому світлі, вимірюючи швидкість плазмових бульбашок на поверхні та відстежуючи закручування і заплутування магнітних ліній поля.
Щоб навчити Сур'ю, дослідники використовували дев'ять років даних SDO, спочатку гармонізуючи різні типи даних, а потім експериментуючи з архітектурами ШІ для обробки інформації. Остаточна модель використовує трансформер з довгим і коротким зображенням з механізмом спектрального гейтингу, що дозволяє їй обробляти високораздільні зображення SDO розміром 4096 x 4096 пікселів, які містять до десяти разів більше деталей, ніж типові зображення. Спектральний гейтинг також зменшив використання пам'яті приблизно на 5% і допоміг фільтрувати шум із набору даних.
На відміну від попередньої роботи з Прітхві, де моделі відновлювали частково закриті супутникові зображення Землі, Сур'я була навчена прогнозувати, що спостерігатиме SDO через годину, спираючись на послідовні зображення. Прогнози були порівняні з фактичними спостереженнями для вимірювання точності. Вимагаючи від моделі виводити основні елементи, такі як сонячна геометрія, магнітна структура та диференціальне обертання, дослідники прагнули підготувати Сур'ю для різноманітних наукових застосувань. Спочатку команда намагалася явно закодувати швидше обертання Сонця на екваторі в порівнянні з його полюсами, але дозволити моделі навчитися цієї поведінки з даних виявилося більш ефективним, що призвело до кращих результатів.
Сур'я продемонструвала потужні можливості прогнозування, зокрема прогнозування сонячних спалахів. Поточні методи дозволяють науковцям передбачати спалахи за годину до їх виникнення, тоді як Сур'я досягла двогодинного терміну попередження, використовуючи візуальні дані. Ранні тести також показали 16% покращення в точності класифікації сонячних спалахів, що представляє собою значний прогрес у порівнянні з існуючими техніками і потенційно робить Сур'ю першою моделлю, здатною надавати такий рівень раннього попередження.
Surya та SuryaBench дозволяють прогнозування сонячної активності та впливу космічної погоди на основі штучного інтелекту
Surya та SuryaBench розроблені для того, щоб зробити дослідження, орієнтовані на штучний інтелект, доступними для вчених без глибокої експертизи в області штучного інтелекту. SuryaBench надає куровані набори даних і бенчмарки для ключових завдань прогнозування космічної погоди, включаючи прогнозування сонячних спалахів, передбачення швидкостей сонячного вітру та аналіз магнітної структури корони Сонця. Інструменти також вирішують давні питання, такі як чому сонячні вітри посилюються під час тихіших фаз Сонця.
Набори даних зосереджені на активних регіонах Сонця, темних плямах на його поверхні, де накопичується магнітна енергія, і звідки виникають такі явища, як сонячні спалахи та корональні викиди маси. Ці події можуть взаємодіяти з магнітним полем Землі, порушуючи роботу супутників, зв'язок та енергетичні системи. Навчаючи моделі штучного інтелекту на цих даних, Surya дозволяє робити прогнози сонячної активності за кілька годин наперед, покращуючи можливості раннього попередження про небезпеки космічної погоди.
SuryaBench включає додатки для виявлення екстремального ультрафіолетового випромінювання та моніторингу накопичення магнітних ліній в атмосфері Сонця, що може прискорювати сонячний вітер до потенційно руйнівних швидкостей. Інтегруючи цю інформацію, вчені можуть краще передбачити вплив сонячної активності на Землю, включаючи наслідки для супутників, електромереж і комунікаційної інфраструктури.
Разом Surya та SuryaBench надають нову платформу, що керується штучним інтелектом, для розуміння та прогнозування сонячних явищ, пропонуючи швидше та точніше прогнозування потенційно небезпечних сонячних подій та надаючи дослідникам інструменти для проактивного реагування на загрози космічної погоди.