Ένα από τα πιο περίπλοκα μυστήρια που σχετίζονται με τον Ήλιο αναμένεται σύντομα να βρει απαντήσεις χάρη στην Τεχνητή Νοημοσύνη, καθώς στις 20 Αυγούστου, η IBM και η NASA ανακοίνωσαν την κυκλοφορία του Surya, ενός μοντέλου θεμελίωσης για τον Ήλιο.
Σύμφωνα με το wired, έχοντας εκπαιδευτεί με μεγάλα σύνολα δεδομένων για τη δραστηριότητα του Ήλιου, αυτό το εργαλείο Τεχνητής Νοημοσύνης στοχεύει να εμβαθύνει την κατανόηση της ανθρωπότητας για τον ηλιακό καιρό και να προβλέπει με ακρίβεια τις ηλιακές εκλάμψεις — εκρήξεις ηλεκτρομαγνητικής ακτινοβολίας που εκπέμπει το άστρο μας και απειλούν τόσο τους αστροναύτες σε τροχιά όσο και τις υποδομές επικοινωνίας στη Γη.
Ο Surya εκπαιδεύτηκε με δεδομένα εννέα ετών που συλλέχθηκαν από το Solar Dynamics Observatory (SDO) της NASA, ένα όργανο που περιστρέφεται γύρω από τον Ήλιο από το 2010, λαμβάνοντας εικόνες υψηλής ανάλυσης κάθε 12 δευτερόλεπτα.
Το SDO καταγράφει παρατηρήσεις του Ήλιου σε διαφορετικά ηλεκτρομαγνητικά μήκη κύματος για να εκτιμήσει τη θερμοκρασία των στρωμάτων του άστρου. Επίσης, πραγματοποιεί ακριβείς μετρήσεις του μαγνητικού πεδίου του Ήλιου — βασικά δεδομένα για την κατανόηση του τρόπου με τον οποίο η ενέργεια κινείται μέσα στο άστρο και για την πρόβλεψη των ηλιακών καταιγίδων.
Ιστορικά, η ερμηνεία αυτού του τεράστιου όγκου ποικίλων και περίπλοκων δεδομένων αποτελούσε πρόκληση για τους ηλιοφυσικούς. Για να αντιμετωπιστεί αυτή η πρόκληση, η IBM λέει ότι οι δημιουργοί του Surya χρησιμοποίησαν τα δεδομένα του SDO για να δημιουργήσουν ένα ψηφιακό δίδυμο του Ήλιου.
Η διαδικασία ξεκίνησε με την ενοποίηση των διαφορετικών μορφών δεδομένων που τροφοδοτήθηκαν στο μοντέλο, ώστε να μπορεί να τα επεξεργαστεί με συνέπεια. Στη συνέχεια, χρησιμοποιήθηκε ένας long-range vision transformer — μια αρχιτεκτονική AI που επιτρέπει λεπτομερή ανάλυση εικόνων πολύ υψηλής ανάλυσης και τον εντοπισμό σχέσεων μεταξύ των στοιχείων τους, ανεξαρτήτως απόστασης.
Η απόδοση του μοντέλου βελτιστοποιήθηκε μέσω ενός μηχανισμού που ονομάζεται spectral gating, ο οποίος μειώνει τη χρήση μνήμης έως και 5% φιλτράροντας τον θόρυβο στα δεδομένα, αυξάνοντας έτσι την ποιότητα των πληροφοριών που επεξεργάζονται.
