2100
Команда дослідників під керівництвом Нью-Джерсійського технологічного інституту (NJIT) розробила систему штучного інтелекту, яка здатна помічати слабкі попереджувальні сигнали появи сонячних активних ділянок — зон, де зароджуються сонячні бурі, — у середньому майже за дев’ять годин до того, як вони стають видимими. Про роботу моделі EarlyDetect повідомляє видання SciTechDaily.
Ще до того, як на поверхні Сонця з’являється темна сонячна пляма, магнітна активність, що її створює, уже розвивається в глибинах зорі. Ці ранні зміни дуже слабкі, але дослідники показали, що штучний інтелект може розпізнати їх за кілька годин до появи нової активної ділянки на видимому диску.
Як працює EarlyDetect і що саме вона шукає
Модель EarlyDetect виявляла ознаки зародження активних ділянок у середньому за 9,24 години до того, як вони ставали видимими. Система описана в журналі Journal of Geophysical Research: Machine Learning and Computation і створена командою NJIT за участі фахівців з Принстонського університету та Дослідницького центру NASA Ames.
EarlyDetect шукає «передвісники» в двох типах сигналів: в акустичній активності Сонця та в його магнітному полі. Раніше вченим було складно надійно виділяти такі слабкі ознаки. Для навчання моделі використали спостереження з орбітальної обсерваторії NASA Solar Dynamics Observatory (SDO).
Ведучим автором дослідження став студент бакалаврату NJIT Йонас Тірона (Jonas Tirona), який працював разом з комп’ютерними науковцями та сонячними фізиками. За словами дослідників, завчасне попередження про появу активних ділянок може дати операторам супутникового зв’язку та енергосистем додатковий час, щоб підготуватися до можливих наслідків сонячних бур.
Прихована активність у сонячних коливаннях
Активні ділянки — це області посиленої магнітної активності, де формуються сонячні плями. Їхня поява на поверхні триває кілька годин, а повний розвиток може займати від одного до кількох днів.
Ще до виходу магнітних структур на поверхню зростаючі магнітні поля ледь помітно змінюють акустичні хвилі, що проходять крізь Сонце. Вивчення цих коливань за допомогою геліосейсмології дає змогу досліджувати процеси в надрах зорі, які неможливо побачити безпосередньо.
EarlyDetect аналізує погодинні карти акустичної потужності разом із вимірюваннями магнітного поля, отриманими інструментом Helioseismic and Magnetic Imager (HMI) на борту SDO. HMI реєструє «звукові» хвилі на Сонці кожні 45 секунд, перетворюючи їх на дані для моделі.
Один із керівників проєкту, професор фізики NJIT Олександр Косовичев (Alexander Kosovichev), пояснює, що головна складність полягає в тому, що активна ділянка спершу формується під видимою поверхнею Сонця, де неможливо безпосередньо побачити магнітну структуру. Тому доводиться шукати дуже незначні зміни в магнітному полі та в «ритмі» акустичних хвиль, що постійно проходять крізь зорю.
Коли фільтрація завадила, а не допомогла
EarlyDetect побудована на архітектурі Transformer — тому самому типі ШІ, який лежить в основі великих мовних моделей, але тут він аналізує не текст, а часові ряди сонячних спостережень, шукаючи закономірності, що передують змінам активності.
Коли Тірона приєднався до проєкту, команда застосовувала спеціальну фільтрацію даних, щоб виділити важливі сонячні патерни для моделі. Однак тести показали протилежне: очищення сигналу погіршувало прогнози.
Фільтр усереднював саме ті дуже слабкі флуктуації, які виявилися найціннішими ранніми ознаками зародження активних ділянок. Дослідники порівнюють це з «шумозаглушенням», яке зазвичай прибирає гучні перешкоди, але в цьому випадку разом із ними зникали й корисні сигнали.
У відео NASA, де дев’ять днів сонячної активності стиснуто до чотирьох хвилин, можна побачити, як змінюються магнітне поле, яскравість і акустична потужність під час появи активної ділянки. Спершу спостерігається падіння акустичної потужності, а вже потім — зміни інтенсивності та магнітного поля. Саме на такій послідовності й базується аналіз EarlyDetect.
Ранні результати і відкриті дані для спільноти
Після навчання на даних SDO/HMI дослідники перевірили EarlyDetect на активних ділянках, яких модель раніше «не бачила». Найкраща версія змогла виявляти передвісники появи активних ділянок у середньому за 9,24 години до того, як вони ставали видимими. Вона перевершила як базову Transformer-модель, так і попередній еталонний метод.
За словами керівниці проєкту, доцентки з науки про дані Менцзя Сюй (Mengjia Xu), машинне навчання ще не дуже широко застосовується для прогнозування сонячної активності, але результати EarlyDetect показують, що сучасні моделі можуть відкрити нові можливості для прогнозів космічної погоди.
Команда також створила відкриті ресурси для інших дослідників. Вони оприлюднили набір даних Solar Active Region Emergence Dataset (SolARED) — колекцію спостережень появи активних ділянок за даними SDO, а також інтерактивний портал Solar Active Region (SAR) Portal для їхнього вивчення. Це перший публічний набір даних, присвячений саме зародженню активних ділянок Сонця.
Обмеження моделі та подальші кроки
Попри успіхи, EarlyDetect поки що не готова до використання як оперативна система реального часу. Модель навчали на вже відомих подіях появи активних ділянок, і вона все ще може видавати хибні спрацьовування або надто пізні попередження.
Крім того, виявлення нової активної ділянки ще не означає, що обов’язково станеться сонячний спалах чи корональний викид маси. Багато активних ділянок ніколи не породжують потужних викидів, і дослідникам потрібно перевірити модель на значно більшій кількості сонячних подій.
Автори сподіваються, що їхня робота приверне більше уваги до того, як машинне навчання може допомогти геліофізиці та прогнозуванню космічної погоди. Вони розглядають EarlyDetect як важливий, але проміжний крок до систем, які в майбутньому зможуть надійно попереджати про небезпечні сонячні явища.
ШІ-модель навчається передбачати появу активних ділянок Сонця з’явилася спочатку на Цікавості.
