IBM y la NASA abren Surya AI para acelerar la predicción de tormentas solares peligrosas

IBM Research , la división de investigación y desarrollo de la empresa tecnológica IBM, anunció que se ha asociado con la NASA para abrir el código fuente de Surya, un nuevo modelo de IA para la física solar diseñado para predecir erupciones solares intensas que podrían representar riesgos para los astronautas, los satélites, las redes eléctricas y las comunicaciones en la Tierra, con una velocidad sin precedentes.

Durante los últimos 15 años, el satélite Observatorio de Dinámica Solar (SDO) de la NASA ha monitoreado continuamente el Sol para comprender mejor su actividad. Sin embargo, gran parte de los datos recopilados aún no se han explorado. Cuando se lanzó el SDO, las herramientas de inteligencia artificial aún se encontraban en sus primeras etapas, lo que limitaba la capacidad de analizar completamente el flujo continuo de imágenes.

Surya, descrito como el primer modelo fundamental para la física solar, aborda esta deficiencia. Mediante el procesamiento de datos sin procesar del SDO, investigadores de IBM, la NASA y ocho centros de investigación adicionales han desarrollado un modelo de IA capaz de pronosticar eventos solares peligrosos que pueden afectar tanto a sistemas espaciales como terrestres.

Surya, cuyo nombre deriva de la palabra sánscrita que significa "Sol", ya está disponible públicamente en Hugging Face, GitHub y a través de la biblioteca TerraTorch de IBM para optimizar los modelos de IA geoespacial. Además de Surya, el equipo ha lanzado SuryaBench, un conjunto de datos y puntos de referencia seleccionados, diseñados para facilitar el desarrollo y la evaluación de aplicaciones no solo para la predicción del clima espacial, sino también para la investigación solar en general.

Pronosticar tormentas severas en la Tierra ya es un desafío, y predecir tormentas solares añade complejidad. Las erupciones solares se producen a través del campo magnético del Sol, y la luz de estos eventos tarda aproximadamente ocho minutos en llegar a la Tierra. Este retraso subraya la necesidad de modelos predictivos que puedan proporcionar alertas tempranas de la actividad solar antes de que afecte a los astronautas, los satélites y la infraestructura del planeta.

Surya AI mejora la predicción de la heliosfera con predicción mejorada de erupciones solares y mapeo magnético.

La iniciativa Surya de IBM refleja una estrategia más amplia para adoptar métodos generativos y automatizados que permitan desarrollar, probar y perfeccionar algoritmos a escala. El proyecto ilustra IBM La perspectiva de la IA no sólo como una herramienta sino también como un contribuyente e impulsor de la exploración científica.

El Observatorio de Dinámica Solar (SDO) mantiene una órbita cercana a la Tierra para proporcionar una visión constante del Sol, capturando imágenes cada 12 segundos en múltiples bandas de longitud de onda. Estas imágenes revelan variaciones de temperatura en las capas solares, que van desde aproximadamente 5,500 °C en la superficie hasta casi 2 millones de °C en la corona, la parte más externa de su atmósfera. Además, el SDO cartografia la actividad magnética del Sol, capturando manchas solares emergentes en luz blanca, midiendo la velocidad de las burbujas de plasma en la superficie y rastreando la torsión y el entrelazamiento de las líneas del campo magnético.

Para entrenar a Surya, los investigadores utilizaron nueve años de datos de SDO. Primero, armonizaron los distintos tipos de datos y luego experimentaron con arquitecturas de IA para procesar la información. El modelo final utiliza un transformador de visión de largo alcance con un mecanismo de compuerta espectral, lo que le permite procesar imágenes de alta resolución de SDO de 4096 x 4096 píxeles, que contienen hasta diez veces más detalle que los datos de imagen típicos. La compuerta espectral también redujo el uso de memoria en aproximadamente un 5 % y ayudó a filtrar el ruido del conjunto de datos.

A diferencia de trabajos previos con Prithvi, donde los modelos reconstruían imágenes satelitales terrestres parcialmente oscurecidas, Surya fue entrenado para predecir lo que el SDO observaría una hora después, basándose en imágenes secuenciales. Las predicciones se compararon con las observaciones reales para medir la precisión. Al exigir al modelo que infiriera elementos esenciales como la geometría solar, la estructura magnética y la rotación diferencial, los investigadores buscaban preparar a Surya para diversas aplicaciones científicas. Inicialmente, el equipo intentó codificar explícitamente la rotación más rápida del Sol en el ecuador en comparación con sus polos, pero permitir que el modelo aprendiera este comportamiento a partir de los datos resultó más efectivo, lo que resultó en un mejor rendimiento.

Surya demostró una sólida capacidad de pronóstico, incluyendo la predicción de erupciones solares. Los métodos actuales permiten a los científicos anticipar las erupciones con una hora de antelación, mientras que Surya logró una ventaja de dos horas utilizando datos visuales. Las primeras pruebas también indicaron una mejora del 16 % en la precisión de la clasificación de erupciones solares, lo que representa un avance significativo con respecto a las técnicas existentes y podría convertir a Surya en el primer modelo capaz de proporcionar este nivel de alerta temprana.

Surya y SuryaBench permiten la predicción basada en IA de la actividad solar y el impacto del clima espacial.

Surya y SuryaBench están diseñados para que la investigación solar basada en IA sea accesible a científicos sin una amplia experiencia en inteligencia artificial. SuryaBench proporciona conjuntos de datos seleccionados y puntos de referencia para tareas clave de predicción del clima espacial, como la predicción de erupciones solares, la predicción de la velocidad del viento solar y el análisis de la estructura magnética de la corona solar. Las herramientas también abordan preguntas recurrentes, como por qué los vientos solares se intensifican durante las fases más tranquilas del Sol.

Los conjuntos de datos se centran en las regiones activas del Sol, puntos oscuros en su superficie donde se acumula energía magnética y se originan erupciones como erupciones solares y eyecciones de masa coronal. Estos eventos pueden interactuar con el campo magnético terrestre, alterando los satélites, las comunicaciones y los sistemas de energía. Mediante capacitación Modelos AI Con estos datos, Surya permite predecir la actividad solar con horas de antelación, mejorando las capacidades de alerta temprana ante riesgos climáticos espaciales.

SuryaBench incluye aplicaciones para detectar la radiación ultravioleta extrema y monitorear la acumulación de líneas magnéticas en la atmósfera solar, la cual puede acelerar el viento solar a velocidades potencialmente dañinas. Al integrar esta información, los científicos pueden anticipar mejor el impacto de la actividad solar en la Tierra, incluyendo los efectos en satélites, redes eléctricas e infraestructura de comunicaciones.

Juntos, Surya y SuryaBench proporcionan un nuevo marco impulsado por IA para comprender y predecir los fenómenos solares, ofreciendo pronósticos más rápidos y precisos de eventos solares potencialmente peligrosos y brindando a los investigadores herramientas para responder de manera proactiva a las amenazas del clima espacial.