IBM Research và NASA đã ra mắt Surya, một AI mã nguồn mở dự đoán bão mặt trời nhanh hơn và chính xác hơn 16% bằng cách sử dụng chín năm hình ảnh SDO độ phân giải cao.
IBM Research, bộ phận nghiên cứu và phát triển của công ty công nghệ IBM, đã thông báo rằng họ đã hợp tác với NASA để mã nguồn mở Surya, một mô hình AI mới cho vật lý mặt trời nhằm dự đoán các vụ bùng phát mặt trời mạnh có thể gây rủi ro cho các phi hành gia, vệ tinh, lưới điện và truyền thông trên Trái Đất, với tốc độ chưa từng có.
Trong suốt 15 năm qua, Đài quan sát động lực học mặt trời của NASA (SDO) đã liên tục giám sát Mặt Trời để cải thiện hiểu biết về hoạt động của mặt trời, nhưng phần lớn dữ liệu mà nó đã thu thập vẫn chưa được khám phá. Khi SDO được phóng lên, các công cụ trí tuệ nhân tạo vẫn đang ở giai đoạn đầu, hạn chế khả năng phân tích đầy đủ dòng hình ảnh liên tục.
Surya, được mô tả là mô hình nền tảng đầu tiên cho vật lý mặt trời, giải quyết khoảng trống này. Bằng cách xử lý dữ liệu thô từ SDO, các nhà nghiên cứu từ IBM, NASA và tám trung tâm nghiên cứu bổ sung đã phát triển một mô hình AI có khả năng dự đoán các sự kiện mặt trời nguy hiểm có thể ảnh hưởng đến cả hệ thống trong không gian và trên Trái Đất.
Được đặt tên theo từ tiếng Sanskrit có nghĩa là "Mặt trời", Surya hiện đã có sẵn công khai trên Hugging Face, GitHub, và thông qua thư viện TerraTorch của IBM để tinh chỉnh các mô hình AI không gian địa lý. Cùng với Surya, nhóm đã phát hành SuryaBench, một bộ dữ liệu và tiêu chuẩn được tuyển chọn nhằm hỗ trợ phát triển và đánh giá các ứng dụng không chỉ cho dự đoán thời tiết không gian mà còn cho nghiên cứu mặt trời rộng hơn.
Dự báo bão lớn trên Trái đất đã khó khăn, và việc dự đoán bão mặt trời lại thêm phức tạp. Các đợt bùng phát mặt trời bùng nổ qua trường magnet của Mặt trời, và ánh sáng từ những sự kiện này mất khoảng tám phút để đến Trái đất. Sự chậm trễ này nhấn mạnh sự cần thiết của các mô hình dự đoán có thể cung cấp cảnh báo sớm về hoạt động mặt trời trước khi nó ảnh hưởng đến các phi hành gia, vệ tinh và cơ sở hạ tầng trên hành tinh.
Surya AI Tiến Bộ Dự Đoán Heliosphere Với Dự Đoán Bùng Nổ Mặt Trời Tăng Cường Và Bản Đồ Từ Tính
Sáng kiến Surya của IBM phản ánh một chiến lược lớn hơn nhằm áp dụng các phương pháp sinh ra và tự động hóa cho phép phát triển, thử nghiệm và tinh chỉnh các thuật toán ở quy mô lớn. Dự án minh họa quan điểm của IBM về AI không chỉ là một công cụ mà còn là một yếu tố đóng góp và thúc đẩy khám phá khoa học.
Đài quan sát động lực mặt trời (SDO) duy trì một quỹ đạo bên cạnh Trái Đất để cung cấp một cái nhìn nhất quán về Mặt Trời, chụp ảnh mỗi 12 giây qua nhiều dải bước sóng khác nhau. Những bức ảnh này tiết lộ sự biến đổi nhiệt độ qua các lớp của Mặt Trời, dao động từ khoảng 5,500°C ở bề mặt đến gần 2 triệu °C ở quầng, phần ngoài cùng của bầu khí quyển. Ngoài ra, SDO còn lập bản đồ hoạt động từ tính của Mặt Trời, chụp lại các đốm mặt trời mới nổi trong ánh sáng trắng, đo tốc độ của các bong bóng plasma ở bề mặt, và theo dõi sự xoắn và rối của các đường sức từ.
Để đào tạo Surya, các nhà nghiên cứu đã sử dụng chín năm dữ liệu SDO, trước tiên là điều hòa các loại dữ liệu khác nhau và sau đó thử nghiệm với các kiến trúc AI để xử lý thông tin. Mô hình cuối cùng sử dụng một bộ chuyển đổi thị giác dài-ngắn với cơ chế phân loại quang phổ, cho phép nó xử lý các hình ảnh có độ phân giải cao 4096 x 4096 pixel của SDO, chứa tới mười lần chi tiết hơn so với dữ liệu hình ảnh điển hình. Cơ chế phân loại quang phổ cũng đã giảm mức sử dụng bộ nhớ khoảng 5% và giúp lọc tiếng ồn từ tập dữ liệu.
Khác với công việc trước đây với Prithvi, nơi các mô hình tái tạo những hình ảnh vệ tinh trái đất bị che khuất một phần, Surya được đào tạo để dự đoán những gì SDO sẽ quan sát một giờ sau dựa trên các hình ảnh liên tiếp. Các dự đoán sau đó được so sánh với các quan sát thực tế để đo lường độ chính xác. Bằng cách yêu cầu mô hình suy luận các yếu tố thiết yếu như hình học mặt trời, cấu trúc từ trường và sự quay khác nhau, các nhà nghiên cứu nhằm chuẩn bị Surya cho nhiều ứng dụng khoa học khác nhau. Ban đầu, nhóm đã cố gắng mã hóa rõ ràng việc mặt trời xoay nhanh hơn ở xích đạo so với các cực của nó, nhưng cho phép mô hình học hành vi này từ dữ liệu đã chứng minh hiệu quả hơn, dẫn đến hiệu suất tốt hơn.
Surya đã thể hiện khả năng dự đoán mạnh mẽ, bao gồm dự đoán bùng phát mặt trời. Các phương pháp hiện tại cho phép các nhà khoa học dự đoán bùng phát trước một giờ, trong khi Surya đạt được thời gian báo trước hai giờ bằng cách sử dụng dữ liệu hình ảnh. Các thử nghiệm ban đầu cũng cho thấy sự cải thiện 16% trong độ chính xác phân loại bùng phát mặt trời, đại diện cho một bước tiến quan trọng so với các kỹ thuật hiện có và có khả năng biến Surya trở thành mô hình đầu tiên có thể cung cấp mức độ cảnh báo sớm này.
Surya và SuryaBench Kích Hoạt Dự Đoán Năng Lượng Mặt Trời Và Tác Động Của Thời Tiết Không Gian Bằng AI
Surya và SuryaBench được thiết kế để giúp nghiên cứu năng lượng mặt trời dựa trên AI trở nên dễ tiếp cận với các nhà khoa học không có chuyên môn sâu về trí tuệ nhân tạo. SuryaBench cung cấp các bộ dữ liệu và tiêu chuẩn được chọn lọc cho các nhiệm vụ dự đoán thời tiết không gian chính, bao gồm dự đoán sự bùng phát mặt trời, dự đoán tốc độ gió mặt trời và phân tích cấu trúc từ tính của vương miện mặt trời. Các công cụ này cũng giải quyết những câu hỏi đã tồn tại từ lâu, chẳng hạn như tại sao gió mặt trời lại tăng cường trong các giai đoạn yên tĩnh hơn của Mặt Trời.
Các tập dữ liệu tập trung vào các vùng hoạt động của Mặt Trời, những chỗ tối trên bề mặt của nó nơi năng lượng từ trường tích tụ và các vụ nổ như bùng phát mặt trời và phun trào khối lượng vũ trụ xảy ra. Những sự kiện này có thể tương tác với từ trường của Trái Đất, làm gián đoạn vệ tinh, thông tin liên lạc và hệ thống điện. Bằng cách huấn luyện các mô hình AI trên những dữ liệu này, Surya cho phép dự đoán hoạt động của Mặt Trời trước hàng giờ, cải thiện khả năng cảnh báo sớm cho các mối nguy hiểm thời tiết không gian.
SuryaBench bao gồm các ứng dụng để phát hiện bức xạ cực tím cực mạnh và theo dõi sự tích lũy đường sức từ trường trong bầu khí quyển của Mặt Trời, điều này có thể làm gia tốc gió mặt trời đến tốc độ có khả năng gây hại. Bằng cách tích hợp thông tin này, các nhà khoa học có thể dự đoán tốt hơn tác động của hoạt động mặt trời lên Trái Đất, bao gồm các tác động đến vệ tinh, lưới điện và cơ sở hạ tầng truyền thông.
Cùng nhau, Surya và SuryaBench cung cấp một khung công nghệ AI mới để hiểu và dự đoán các hiện tượng mặt trời, mang đến dự báo nhanh hơn, chính xác hơn về các sự kiện mặt trời có thể gây nguy hiểm và cung cấp cho các nhà nghiên cứu các công cụ để phản ứng chủ động với các mối đe dọa từ thời tiết không gian.
Trang này có thể chứa nội dung của bên thứ ba, được cung cấp chỉ nhằm mục đích thông tin (không phải là tuyên bố/bảo đảm) và không được coi là sự chứng thực cho quan điểm của Gate hoặc là lời khuyên về tài chính hoặc chuyên môn. Xem Tuyên bố từ chối trách nhiệm để biết chi tiết.
IBM và NASA Mã nguồn mở Surya AI để tăng tốc dự đoán các cơn bão mặt trời nguy hiểm
Tóm lại
IBM Research và NASA đã ra mắt Surya, một AI mã nguồn mở dự đoán bão mặt trời nhanh hơn và chính xác hơn 16% bằng cách sử dụng chín năm hình ảnh SDO độ phân giải cao.
IBM Research, bộ phận nghiên cứu và phát triển của công ty công nghệ IBM, đã thông báo rằng họ đã hợp tác với NASA để mã nguồn mở Surya, một mô hình AI mới cho vật lý mặt trời nhằm dự đoán các vụ bùng phát mặt trời mạnh có thể gây rủi ro cho các phi hành gia, vệ tinh, lưới điện và truyền thông trên Trái Đất, với tốc độ chưa từng có.
Trong suốt 15 năm qua, Đài quan sát động lực học mặt trời của NASA (SDO) đã liên tục giám sát Mặt Trời để cải thiện hiểu biết về hoạt động của mặt trời, nhưng phần lớn dữ liệu mà nó đã thu thập vẫn chưa được khám phá. Khi SDO được phóng lên, các công cụ trí tuệ nhân tạo vẫn đang ở giai đoạn đầu, hạn chế khả năng phân tích đầy đủ dòng hình ảnh liên tục.
Surya, được mô tả là mô hình nền tảng đầu tiên cho vật lý mặt trời, giải quyết khoảng trống này. Bằng cách xử lý dữ liệu thô từ SDO, các nhà nghiên cứu từ IBM, NASA và tám trung tâm nghiên cứu bổ sung đã phát triển một mô hình AI có khả năng dự đoán các sự kiện mặt trời nguy hiểm có thể ảnh hưởng đến cả hệ thống trong không gian và trên Trái Đất.
Được đặt tên theo từ tiếng Sanskrit có nghĩa là "Mặt trời", Surya hiện đã có sẵn công khai trên Hugging Face, GitHub, và thông qua thư viện TerraTorch của IBM để tinh chỉnh các mô hình AI không gian địa lý. Cùng với Surya, nhóm đã phát hành SuryaBench, một bộ dữ liệu và tiêu chuẩn được tuyển chọn nhằm hỗ trợ phát triển và đánh giá các ứng dụng không chỉ cho dự đoán thời tiết không gian mà còn cho nghiên cứu mặt trời rộng hơn.
Dự báo bão lớn trên Trái đất đã khó khăn, và việc dự đoán bão mặt trời lại thêm phức tạp. Các đợt bùng phát mặt trời bùng nổ qua trường magnet của Mặt trời, và ánh sáng từ những sự kiện này mất khoảng tám phút để đến Trái đất. Sự chậm trễ này nhấn mạnh sự cần thiết của các mô hình dự đoán có thể cung cấp cảnh báo sớm về hoạt động mặt trời trước khi nó ảnh hưởng đến các phi hành gia, vệ tinh và cơ sở hạ tầng trên hành tinh.
Surya AI Tiến Bộ Dự Đoán Heliosphere Với Dự Đoán Bùng Nổ Mặt Trời Tăng Cường Và Bản Đồ Từ Tính
Sáng kiến Surya của IBM phản ánh một chiến lược lớn hơn nhằm áp dụng các phương pháp sinh ra và tự động hóa cho phép phát triển, thử nghiệm và tinh chỉnh các thuật toán ở quy mô lớn. Dự án minh họa quan điểm của IBM về AI không chỉ là một công cụ mà còn là một yếu tố đóng góp và thúc đẩy khám phá khoa học.
Đài quan sát động lực mặt trời (SDO) duy trì một quỹ đạo bên cạnh Trái Đất để cung cấp một cái nhìn nhất quán về Mặt Trời, chụp ảnh mỗi 12 giây qua nhiều dải bước sóng khác nhau. Những bức ảnh này tiết lộ sự biến đổi nhiệt độ qua các lớp của Mặt Trời, dao động từ khoảng 5,500°C ở bề mặt đến gần 2 triệu °C ở quầng, phần ngoài cùng của bầu khí quyển. Ngoài ra, SDO còn lập bản đồ hoạt động từ tính của Mặt Trời, chụp lại các đốm mặt trời mới nổi trong ánh sáng trắng, đo tốc độ của các bong bóng plasma ở bề mặt, và theo dõi sự xoắn và rối của các đường sức từ.
Để đào tạo Surya, các nhà nghiên cứu đã sử dụng chín năm dữ liệu SDO, trước tiên là điều hòa các loại dữ liệu khác nhau và sau đó thử nghiệm với các kiến trúc AI để xử lý thông tin. Mô hình cuối cùng sử dụng một bộ chuyển đổi thị giác dài-ngắn với cơ chế phân loại quang phổ, cho phép nó xử lý các hình ảnh có độ phân giải cao 4096 x 4096 pixel của SDO, chứa tới mười lần chi tiết hơn so với dữ liệu hình ảnh điển hình. Cơ chế phân loại quang phổ cũng đã giảm mức sử dụng bộ nhớ khoảng 5% và giúp lọc tiếng ồn từ tập dữ liệu.
Khác với công việc trước đây với Prithvi, nơi các mô hình tái tạo những hình ảnh vệ tinh trái đất bị che khuất một phần, Surya được đào tạo để dự đoán những gì SDO sẽ quan sát một giờ sau dựa trên các hình ảnh liên tiếp. Các dự đoán sau đó được so sánh với các quan sát thực tế để đo lường độ chính xác. Bằng cách yêu cầu mô hình suy luận các yếu tố thiết yếu như hình học mặt trời, cấu trúc từ trường và sự quay khác nhau, các nhà nghiên cứu nhằm chuẩn bị Surya cho nhiều ứng dụng khoa học khác nhau. Ban đầu, nhóm đã cố gắng mã hóa rõ ràng việc mặt trời xoay nhanh hơn ở xích đạo so với các cực của nó, nhưng cho phép mô hình học hành vi này từ dữ liệu đã chứng minh hiệu quả hơn, dẫn đến hiệu suất tốt hơn.
Surya đã thể hiện khả năng dự đoán mạnh mẽ, bao gồm dự đoán bùng phát mặt trời. Các phương pháp hiện tại cho phép các nhà khoa học dự đoán bùng phát trước một giờ, trong khi Surya đạt được thời gian báo trước hai giờ bằng cách sử dụng dữ liệu hình ảnh. Các thử nghiệm ban đầu cũng cho thấy sự cải thiện 16% trong độ chính xác phân loại bùng phát mặt trời, đại diện cho một bước tiến quan trọng so với các kỹ thuật hiện có và có khả năng biến Surya trở thành mô hình đầu tiên có thể cung cấp mức độ cảnh báo sớm này.
Surya và SuryaBench Kích Hoạt Dự Đoán Năng Lượng Mặt Trời Và Tác Động Của Thời Tiết Không Gian Bằng AI
Surya và SuryaBench được thiết kế để giúp nghiên cứu năng lượng mặt trời dựa trên AI trở nên dễ tiếp cận với các nhà khoa học không có chuyên môn sâu về trí tuệ nhân tạo. SuryaBench cung cấp các bộ dữ liệu và tiêu chuẩn được chọn lọc cho các nhiệm vụ dự đoán thời tiết không gian chính, bao gồm dự đoán sự bùng phát mặt trời, dự đoán tốc độ gió mặt trời và phân tích cấu trúc từ tính của vương miện mặt trời. Các công cụ này cũng giải quyết những câu hỏi đã tồn tại từ lâu, chẳng hạn như tại sao gió mặt trời lại tăng cường trong các giai đoạn yên tĩnh hơn của Mặt Trời.
Các tập dữ liệu tập trung vào các vùng hoạt động của Mặt Trời, những chỗ tối trên bề mặt của nó nơi năng lượng từ trường tích tụ và các vụ nổ như bùng phát mặt trời và phun trào khối lượng vũ trụ xảy ra. Những sự kiện này có thể tương tác với từ trường của Trái Đất, làm gián đoạn vệ tinh, thông tin liên lạc và hệ thống điện. Bằng cách huấn luyện các mô hình AI trên những dữ liệu này, Surya cho phép dự đoán hoạt động của Mặt Trời trước hàng giờ, cải thiện khả năng cảnh báo sớm cho các mối nguy hiểm thời tiết không gian.
SuryaBench bao gồm các ứng dụng để phát hiện bức xạ cực tím cực mạnh và theo dõi sự tích lũy đường sức từ trường trong bầu khí quyển của Mặt Trời, điều này có thể làm gia tốc gió mặt trời đến tốc độ có khả năng gây hại. Bằng cách tích hợp thông tin này, các nhà khoa học có thể dự đoán tốt hơn tác động của hoạt động mặt trời lên Trái Đất, bao gồm các tác động đến vệ tinh, lưới điện và cơ sở hạ tầng truyền thông.
Cùng nhau, Surya và SuryaBench cung cấp một khung công nghệ AI mới để hiểu và dự đoán các hiện tượng mặt trời, mang đến dự báo nhanh hơn, chính xác hơn về các sự kiện mặt trời có thể gây nguy hiểm và cung cấp cho các nhà nghiên cứu các công cụ để phản ứng chủ động với các mối đe dọa từ thời tiết không gian.