ИИ научился замечать скрытые признаки солнечных извержений почти за девять часов до их появления
Исследователи из Нью-Джерсийского технологического института разработали модель искусственного интеллекта EarlyDetect, способную обнаруживать ранние признаки формирования активных областей на Солнце примерно за девять часов до того, как они становятся видимыми. Такие области связаны с появлением солнечных пятен и могут стать источниками мощных солнечных вспышек и выбросов корональной массы.
Активные области формируются постепенно в течение нескольких часов, а их полное развитие может занимать от одного до нескольких дней. Пока магнитные поля поднимаются к поверхности Солнца, они создают слабые изменения в акустических волнах, распространяющихся внутри звезды. Эти изменения можно обнаруживать с помощью гелиосейсмологии — метода, изучающего колебания Солнца.
EarlyDetect анализирует почасовые карты акустической активности и данные о магнитном поле, полученные космической обсерваторией NASA Solar Dynamics Observatory. Акустические карты строятся на основе измерений прибора Helioseismic and Magnetic Imager, который фиксирует данные о движении и магнитном поле Солнца каждые 45 секунд.
Главная сложность заключается в том, что активная область начинает формироваться под видимой поверхностью Солнца, поэтому её магнитную структуру невозможно непосредственно наблюдать. Вместо этого исследователи ищут чрезвычайно слабые изменения магнитного поля и акустических волн, проходящих через солнечные недра.
Модель EarlyDetect построена на архитектуре Transformer, которая также используется в современных больших языковых моделях. Однако вместо анализа текста она обучается находить закономерности в последовательностях наблюдений за Солнцем и использовать их для прогнозирования будущих изменений.
В ходе работы исследователи обнаружили неожиданную особенность. Изначально они применяли фильтрацию данных, чтобы убрать шум и выделить наиболее важные кратковременные изменения. Однако фильтрация, наоборот, ухудшала прогнозы модели. Оказалось, что она удаляла именно слабые колебания, которые содержали наиболее ранние признаки формирования активной области.
После обучения на данных Solar Dynamics Observatory исследователи проверили модель на активных областях, которые не использовались во время обучения. Лучшая версия EarlyDetect обнаруживала предшествующие сигналы в среднем за 9,24 часа до того, как активная область становилась видимой. По этому показателю модель превзошла стандартную архитектуру Transformer и предыдущий использовавшийся метод.
Раннее обнаружение таких областей потенциально может повысить готовность к космической погоде. Например, операторы спутниковых систем и энергетических сетей смогут заранее подготовиться к возможному усилению солнечной активности и принять меры для снижения последствий.
Однако EarlyDetect пока не является системой оперативного предупреждения. Модель обучалась на уже известных событиях формирования активных областей и иногда выдаёт ложные тревоги или слишком поздние прогнозы. Кроме того, появление активной области само по себе не означает, что произойдёт мощная солнечная вспышка или выброс корональной массы: многие такие области не вызывают крупных извержений.
Для дальнейшего развития метода исследователи опубликовали набор данных Solar Active Region Emergence Dataset (SolARED), созданный на основе наблюдений Solar Dynamics Observatory. Также была запущена интерактивная платформа Solar Active Region Portal, которая позволяет исследователям изучать эти данные и разрабатывать собственные методы прогнозирования.
Учёные планируют проверить EarlyDetect на значительно большем количестве солнечных событий. Если метод удастся подтвердить на новых данных, он может стать одним из инструментов будущих систем прогнозирования космической погоды.
Исследование в журнале Journal of Geophysical Research: Machine Learning and Computation.