مدل هوش مصنوعی جدید ناسا برای پیش‌بینی زمان وقوع طوفان خورشیدی

سوریا که بر پایه بیش از یک دهه داده‌های خورشیدی ناسا آموزش دیده است؛ می‌تواند درصورتی‌که احتمال برخورد یک شراره خطرناک خورشیدی به زمین وجود داشته باشد، هشدار زودهنگام صادر کند.

طوفان

طوفان‌های خورشیدی زمانی رخ می‌دهند که خورشید انرژی و ذرات را به فضا پرتاب می‌کند. این پدیده می‌تواند شراره‌های خورشیدی و پرتابه‌های آرامی از جرم تاجی ایجاد کند که توانایی اختلال در امواج رادیویی، برگرداندن بیت‌های رایانه‌ای در ماهواره‌ها و به خطر انداختن فضانوردان با فوران‌های تشعشعی را دارند. هیچ راهی برای جلوگیری از چنین اثراتی وجود ندارد؛ اما توانایی پیش‌بینی زمان وقوع یک شراره بزرگ می‌تواند امکان مدیریت بهتر آن را فراهم کند. بااین‌حال، همان‌طور که «لوئیز هارا» (Louise Harra)، اخترفیزیک‌دان در مؤسسه ETH زوریخ می‌گوید: «زمان وقوع همیشه نقطه مبهم ماجراست.»

هارا که در پروژه سوریا مشارکت نداشته، می‌گوید دانشمندان می‌توانند به‌راحتی از یک تصویر خورشید تشخیص دهند که آیا به‌زودی شراره‌ای رخ خواهد داد یا خیر. اما دانستن زمان دقیق و شدت آن بسیار دشوارتر است. این موضوع می‌تواند چالش‌برانگیز باشد؛ زیرا اندازه یک شراره می‌تواند به‌اندازه تفاوت میان یک اختلال رادیویی کوتاه‌مدت منطقه‌ای کوچک یا یک ابرطوفان خورشیدی ویرانگر باشد که موجب سقوط ماهواره‌ها از مدار و ازکارافتادن شبکه‌های برق شود.

شناسایی

درحالی‌که یادگیری ماشین پیش‌تر برای مطالعه رویدادهای آب‌وهوای خورشیدی استفاده شده است، پژوهشگران پروژه سوریا امیدوارند کیفیت و مقیاس عظیم داده‌هایشان به این مدل کمک کند تا طیف وسیع‌تری از رویدادها را دقیق‌تر پیش‌بینی کند. داده‌های آموزشی این مدل از رصدخانه دینامیک خورشیدی (Solar Dynamics Observatory) ناسا به‌دست آمده است که به‌صورت هم‌زمان تصاویر خورشید را در طول‌موج‌های گوناگون جمع‌آوری می‌کند و در مجموع بیش از ۲۵۰ ترابایت حجم داشتند.

به گفته «خوان برنابه-مورنو» (Juan Bernabe-Moreno)، پژوهشگر هوش مصنوعی IBM که رهبری پروژه سوریا را برعهده داشته است؛ آزمایش‌های اولیه سوریا نشان داد که این مدل می‌تواند شکل برخی شراره خورشیدی، موقعیت آن روی خورشید و شدت آن را دو ساعت پیش از وقوع پیش‌بینی کند. دو ساعت ممکن است برای مقابله با همه اثرات یک شراره قوی کافی نباشد، اما هر لحظه اهمیت دارد. IBM در یک پست وبلاگی ادعا می‌کند که این روش می‌تواند زمان هشدار فعلی را تا دوبرابر افزایش دهد؛ هرچند زمان‌های دقیق گزارش‌شده متفاوت است. این توان پیش‌بینی می‌تواند با فاین‌تیونینگ یا افزودن داده‌های دیگر نیز بهبود یابد.

به گفته هارا، الگوهای پنهان رویدادهایی مانند شراره‌های خورشیدی از روی زمین به‌سختی قابل‌درک و تشخیص است. درحالی‌که اخترفیزیک‌دانان شرایطی که منجر به این رویدادها می‌شوند را می‌شناسند، اما هنوز نمی‌دانند چرا دقیقاً در آن لحظه رخ می‌دهند. امیدواری سوریا این است که بتواند این الگوهای پنهان را سریع‌تر از هر روش موجودی شناسایی کند و زمان بیشتری برای ما بخرد.

بااین‌حال، برنابه-مورنو برای ظرفیت‌های فراتر از پیش‌بینی شراره‌ها هیجان‌زده است. او امیدوار است سوریا را در کنار مدل‌های پیشین IBM و ناسا ساخته که وضعیت آب‌وهوا روی زمین را پیش‌بینی می‌کردند به کار گیرد تا بهتر درک کند طوفان‌های خورشیدی و آب‌وهوای زمین چگونه به هم مرتبط هستند. به گفته برنابه-مورنو: «شواهدی وجود دارد که مثلاً آب‌وهوای خورشیدی روی صاعقه تأثیر می‌گذارد؛ اما پرسش اصلی این است که اثرات متقابل چیست، کجا و چگونه می‌توان این تأثیر را از یک نوع آب‌وهوا به نوع دیگر مرتبط کرد؟»

ازآنجایی‌که سوریا یک مدل پایه است و بدون وظیفه‌ای تخصصی آموزش دیده، ناسا و IBM امیدوارند بتواند الگوهای زیادی در فیزیک خورشید پیدا کند، درست همان‌طور که مدل‌های زبانی عمومی مانند ChatGPT می‌توانند وظایف گوناگونی را انجام دهند. آن‌ها باور دارند سوریا حتی می‌تواند درک‌های تازه‌ای از نحوه عملکرد دیگر اجرام آسمانی فراهم کند.