IBM und NASA nutzen Open Source Surya AI zur schnelleren Vorhersage gefährlicher Sonnenstürme

IBM Research , die Forschungs- und Entwicklungsabteilung des Technologieunternehmens IBM, gab bekannt, dass sie eine Partnerschaft mit der NASA eingegangen ist, um Surya als Open Source bereitzustellen, ein neues KI-Modell für die Sonnenphysik, das intensive Sonnenausbrüche mit beispielloser Geschwindigkeit vorhersagen soll, die Risiken für Astronauten, Satelliten, Stromnetze und die Kommunikation auf der Erde darstellen könnten.

Seit 15 Jahren beobachtet der NASA-Satellit Solar Dynamics Observatory (SDO) kontinuierlich die Sonne, um die Sonnenaktivität besser zu verstehen. Doch viele der gesammelten Daten sind noch unerforscht. Als das SDO startete, steckten die Werkzeuge der künstlichen Intelligenz noch in den Kinderschuhen, was eine vollständige Analyse des kontinuierlichen Bildstroms einschränkte.

Surya, das erste Grundlagenmodell der Sonnenphysik, schließt diese Lücke. Durch die Verarbeitung von Rohdaten des SDO haben Forscher von IBM, der NASA und acht weiteren Forschungszentren ein KI-Modell entwickelt, das gefährliche Sonnenereignisse vorhersagen kann, die sowohl Weltraum- als auch erdgebundene Systeme betreffen können.

Surya, benannt nach dem Sanskrit-Wort für „Sonne“, ist jetzt öffentlich auf Hugging Face, GitHub und über IBMs TerraTorch-Bibliothek zur Feinabstimmung georäumlicher KI-Modelle verfügbar. Neben Surya hat das Team SuryaBench veröffentlicht, eine Reihe kuratierter Datensätze und Benchmarks, die die Entwicklung und Evaluierung von Anwendungen nicht nur für die Weltraumwettervorhersage, sondern auch für die allgemeine Sonnenforschung erleichtern sollen.

Die Vorhersage schwerer Stürme auf der Erde ist bereits eine Herausforderung, und die Vorhersage von Sonnenstürmen macht sie noch komplexer. Sonneneruptionen durchbrechen das Magnetfeld der Sonne, und das Licht dieser Ereignisse benötigt etwa acht Minuten, um die Erde zu erreichen. Diese Verzögerung unterstreicht die Notwendigkeit von Vorhersagemodellen, die frühzeitig vor Sonnenaktivität warnen können, bevor diese Auswirkungen auf Astronauten, Satelliten und die Infrastruktur auf dem Planeten hat.

Surya AI verbessert die Heliosphärenprognose durch verbesserte Sonneneruptionsvorhersage und magnetische Kartierung

Die Surya-Initiative von IBM spiegelt eine umfassendere Strategie zur Einführung generativer und automatisierter Methoden wider, die die Entwicklung, Prüfung und Verfeinerung von Algorithmen in großem Maßstab ermöglichen. Das Projekt veranschaulicht IBM s Perspektive auf KI nicht nur als Werkzeug, sondern auch als Beitrag und Treiber wissenschaftlicher Forschung.

Das Solar Dynamics Observatory (SDO) umkreist die Erde und ermöglicht so eine konsistente Beobachtung der Sonne. Es erfasst alle 12 Sekunden Bilder in verschiedenen Wellenlängenbereichen. Diese Bilder zeigen Temperaturschwankungen in den Sonnenschichten, die von etwa 5,500 °C an der Oberfläche bis zu fast 2 Millionen °C in der Korona, dem äußersten Teil der Atmosphäre, reichen. Darüber hinaus kartiert das SDO die magnetische Aktivität der Sonne, indem es entstehende Sonnenflecken in weißem Licht erfasst, die Geschwindigkeit von Plasmablasen an der Oberfläche misst und die Verdrehung und Verwicklung der Magnetfeldlinien verfolgt.

Um Surya zu trainieren, nutzten die Forscher neun Jahre SDO-Daten. Zunächst harmonisierten sie die verschiedenen Datentypen und experimentierten anschließend mit KI-Architekturen zur Verarbeitung der Informationen. Das finale Modell nutzt einen Long-Short-Vision-Transformer mit spektralem Gating-Mechanismus. Dadurch kann es die hochauflösenden 4096 x 4096 Pixel großen SDO-Bilder verarbeiten, die bis zu zehnmal mehr Details enthalten als typische Bilddaten. Das spektrale Gating reduzierte zudem den Speicherbedarf um etwa 5 % und half, Rauschen aus dem Datensatz zu filtern.

Im Gegensatz zu früheren Arbeiten mit Prithvi, bei denen Modelle teilweise verdeckte Satellitenbilder der Erde rekonstruierten, wurde Surya darauf trainiert, anhand aufeinanderfolgender Bilder vorherzusagen, was das SDO in einer Stunde beobachten würde. Die Vorhersagen wurden anschließend mit tatsächlichen Beobachtungen verglichen, um die Genauigkeit zu messen. Indem das Modell wesentliche Elemente wie Sonnengeometrie, magnetische Struktur und differentielle Rotation ableiten musste, wollten die Forscher Surya für verschiedene wissenschaftliche Anwendungen vorbereiten. Zunächst versuchte das Team, die schnellere Rotation der Sonne am Äquator im Vergleich zu ihren Polen explizit zu kodieren. Es erwies sich jedoch als effektiver und führte zu einer besseren Leistung, wenn das Modell dieses Verhalten anhand von Daten lernte.

Surya zeigte starke Prognosefähigkeiten, einschließlich der Vorhersage von Sonneneruptionen. Aktuelle Methoden ermöglichen es Wissenschaftlern, Sonneneruptionen eine Stunde im Voraus vorherzusagen, während Surya mithilfe visueller Daten eine Vorlaufzeit von zwei Stunden erreichte. Erste Tests zeigten zudem eine um 16 Prozent verbesserte Genauigkeit bei der Klassifizierung von Sonneneruptionen. Dies stellt einen deutlichen Fortschritt gegenüber bestehenden Techniken dar und macht Surya möglicherweise zum ersten Modell, das eine derartige Frühwarnung liefern kann.

Surya und SuryaBench ermöglichen KI-gestützte Vorhersagen der Sonnenaktivität und der Auswirkungen des Weltraumwetters

Surya und SuryaBench sollen KI-gestützte Sonnenforschung auch Wissenschaftlern ohne umfassende Kenntnisse im Bereich künstliche Intelligenz zugänglich machen. SuryaBench bietet kuratierte Datensätze und Benchmarks für wichtige Aufgaben der Weltraumwettervorhersage, darunter die Vorhersage von Sonneneruptionen, die Vorhersage der Sonnenwindgeschwindigkeit und die Analyse der magnetischen Struktur der Sonnenkorona. Die Tools befassen sich auch mit seit langem bestehenden Fragen, beispielsweise der Frage, warum sich die Sonnenwinde während der ruhigeren Phasen der Sonne verstärken.

Die Datensätze konzentrieren sich auf die aktiven Regionen der Sonne, dunkle Flecken auf ihrer Oberfläche, in denen sich magnetische Energie aufbaut und Eruptionen wie Sonneneruptionen und koronale Massenauswürfe ihren Ursprung haben. Diese Ereignisse können mit dem Erdmagnetfeld interagieren und Satelliten, Kommunikations- und Energiesysteme stören. Durch Training KI-Modelle Auf der Grundlage dieser Daten ermöglicht Surya Vorhersagen der Sonnenaktivität mehrere Stunden im Voraus und verbessert so die Frühwarnfunktionen für Gefahren durch das Weltraumwetter.

SuryaBench umfasst Anwendungen zur Erkennung extremer Ultraviolettstrahlung und zur Überwachung der Ansammlung magnetischer Linien in der Sonnenatmosphäre, die den Sonnenwind auf potenziell schädliche Geschwindigkeiten beschleunigen können. Durch die Integration dieser Informationen können Wissenschaftler die Auswirkungen der Sonnenaktivität auf die Erde, einschließlich der Auswirkungen auf Satelliten, Stromnetze und Kommunikationsinfrastruktur, besser vorhersehen.

Gemeinsam bieten Surya und SuryaBench ein neues KI-gestütztes Framework zum Verständnis und zur Vorhersage von Sonnenphänomenen. Es ermöglicht schnellere und genauere Prognosen potenziell gefährlicher Sonnenereignisse und gibt Forschern Werkzeuge an die Hand, um proaktiv auf Bedrohungen durch das Weltraumwetter zu reagieren.