IBMとNASAがオープンソースのSurya AIを発表し、有害な太陽嵐の予測を加速させる

概要

IBMリサーチとNASAは、9年間の高解像度SDO画像を使用して、太陽フレアをより早く、16%より正確に予測するオープンソースAI「Surya」を発表しました。

IBMリサーチ、テクノロジー企業IBMの研究開発部門は、NASAと提携して、宇宙飛行士、衛星、電力網、地球上の通信にリスクをもたらす可能性のある激しい太陽の噴出を予測するために設計された新しいAIモデル「Surya」をオープンソース化したと発表しました。これは前例のない速度で行われます。

過去15年間、NASAの太陽動力観測所(SDO)衛星は、太陽の活動を理解するために太陽を継続的に監視してきましたが、収集されたデータの多くは未探査のままです。SDOが打ち上げられたとき、人工知能ツールはまだ初期段階にあり、継続的な画像のストリームを完全に分析する能力が制限されていました。

サーリヤは、太陽物理学のための最初の基盤モデルとして説明されており、このギャップに対処しています。SDOからの生データを処理することにより、IBM、NASA、および8つの追加の研究センターの研究者たちは、宇宙と地球ベースのシステムの両方に影響を与える危険な太陽イベントを予測できるAIモデルを開発しました。

「太陽」を意味するサンスクリット語にちなんで名付けられたSuryaは、現在Hugging Face、GitHub、およびIBMのTerraTorchライブラリを通じて、地理空間AIモデルのファインチューニング用に公開されています。Suryaとともに、チームはSuryaBenchもリリースしました。これは、宇宙天気予測だけでなく、より広範な太陽研究のアプリケーションの開発と評価を促進するために設計されたキュレーションされたデータセットとベンチマークのセットです。

地球上の激しい嵐を予測することはすでに難しいことであり、太陽嵐を予測することはさらなる複雑さを加えます。太陽フレアは太陽の磁場を通じて噴出し、これらの出来事からの光は地球に到達するまでに約8分かかります。この遅れは、宇宙飛行士、衛星、そして地球上のインフラに影響を与える前に太陽活動の早期警告を提供できる予測モデルの必要性を強調しています。

Surya AIが強化された太陽フレア予測と磁気マッピングを用いてヘリオスフィア予測を進展させる

IBMのSuryaイニシアチブは、アルゴリズムを大規模に開発、テスト、洗練することを可能にする創発的で自動化された方法を採用するというより大きな戦略を反映しています。このプロジェクトは、AIを単なるツールだけでなく、科学的探求の貢献者かつ推進者として捉えるIBMの視点を示しています。

太陽ダイナミクス観測所 (SDO) は、地球の軌道に沿って維持され、太陽の一貫した視点を提供し、複数の波長帯域で12秒ごとに画像をキャプチャします。これらの画像は、太陽の層における温度の変動を明らかにし、表面で約5,500°Cからコロナでほぼ200万°Cに至るまでの範囲を示しています。さらに、SDOは太陽の磁気活動をマッピングし、白色光で出現する太陽黒点を捕らえ、表面のプラズマバブルの速度を測定し、磁場線のねじれと絡み合いを追跡します。

Suryaを訓練するために、研究者たちは9年間のSDOデータを使用し、最初にさまざまなデータタイプを調和させ、その後AIアーキテクチャを使って情報を処理する実験を行いました。最終モデルは、スペクトルゲーティングメカニズムを持つロングショートビジョントランスフォーマーを使用しており、SDOの高解像度4096 x 4096ピクセルの画像を処理できるようになっています。これにより、一般的な画像データの最大10倍の詳細が含まれています。スペクトルゲーティングは、メモリ使用量を約5%削減し、データセットからノイズをフィルタリングするのにも役立ちました。

Prithviを使用した以前の作業とは対照的に、モデルは部分的に隠された地球の衛星画像を再構築しましたが、Suryaは連続画像に基づいて1時間後にSDOが観測する内容を予測するように訓練されました。予測は実際の観測と比較され、精度が測定されました。モデルに太陽の幾何学、磁気構造、および差動回転などの重要な要素を推測させることによって、研究者たちはSuryaをさまざまな科学的応用に備えさせることを目指しました。最初、チームは赤道での太陽の回転が極でのそれよりも速いことを明示的にエンコードしようとしましたが、モデルがデータからこの挙動を学ぶことを許可する方がより効果的であり、より良いパフォーマンスをもたらしました。

スーリヤは、太陽フレアの予測を含む強力な予測能力を示しました。現在の方法では、科学者たちはフレアを1時間前に予測することができますが、スーリヤは視覚データを使用して2時間のリードタイムを達成しました。初期のテストでは、太陽フレアの分類精度が16%向上したことも示されており、これは既存の技術に対する重要な進歩を表しており、スーリヤがこのレベルの早期警告を提供できる初めてのモデルとなる可能性があります。

SuryaとSuryaBenchは、太陽活動と宇宙天気の影響のAIによる予測を可能にします

スーリヤとスーリヤベンチは、人工知能に深い専門知識がない科学者がAI駆動の太陽研究にアクセスできるように設計されています。スーリヤベンチは、太陽フレアの予測、太陽風速度の予測、太陽のコロナの磁気構造の分析を含む重要な宇宙天気予測タスクのためのキュレーションされたデータセットとベンチマークを提供します。これらのツールは、太陽の静かなフェーズ中に太陽風が強まる理由などの長年の疑問にも取り組んでいます。

データセットは、太陽の活発な領域、すなわちその表面にある暗い斑点に焦点を当てています。これらの領域では磁気エネルギーが蓄積され、太陽フレアやコロナ質量放出のような噴火が発生します。これらのイベントは地球の磁場と相互作用し、衛星、通信、電力システムに混乱を引き起こす可能性があります。これらのデータを用いてAIモデルを訓練することにより、Suryaは太陽活動を数時間前に予測できるようにし、宇宙天候の危険に対する早期警戒能力を向上させます。

SuryaBenchは、極端紫外線放射の検出および太陽の大気における磁気線の蓄積の監視に関するアプリケーションを含んでおり、これにより太陽風が潜在的に有害な速度に加速される可能性があります。この情報を統合することで、科学者たちは地球に対する太陽活動の影響、特に衛星、電力網、通信インフラへの影響をより良く予測できるようになります。

SuryaとSuryaBenchは、太陽現象を理解し予測するための新しいAI駆動のフレームワークを提供し、潜在的に危険な太陽イベントのより迅速で正確な予測を行い、研究者に宇宙天気の脅威に対して積極的に対応するためのツールを提供します。