IBM与NASA联手打造太阳数字孪生，预测未来太阳风暴

快速阅读: IBM 和 NASA 启动太阳基础模型 Surya，利用 AI 技术预测太阳耀斑，提高预警时间和准确性，减少太阳活动对地球通信和航天器的影响。

IBM 和 NASA 宣布启动太阳基础模型 Surya，旨在通过人工智能技术解决太阳最复杂的谜团。Surya 经过九年 NASA 太阳动力学天文台（SDO）收集的数据训练，能够深入理解太阳天气并准确预测太阳耀斑——这些电磁辐射爆发威胁着轨道上的宇航员和地球上的通信基础设施。

SDO 自 2010 年开始绕太阳运行，每 12 秒拍摄一次高分辨率图像，捕捉不同电磁波长下的太阳观测数据，以估计太阳各层的温度，并精确测量太阳磁场，这对了解能量如何在太阳内部移动以及预测太阳风暴至关重要。

长期以来，解释这些大量多样且复杂的数据一直是日球物理学家面临的挑战。为了解决这个问题，Surya 的开发者利用 SDO 数据创建了一个太阳的数字孪生体——一个动态虚拟复制品，当捕获新数据时会更新，并可以进行操作和研究。

开发过程首先统一了输入模型的各种数据格式，使其能够一致地处理这些数据。接下来，采用了一种长程视觉变压器——一种能够详细分析极高分辨率图像并识别其组件之间关系的 AI 架构，无论这些组件相距多远。

通过一种称为光谱门控的机制优化了模型性能，该机制通过过滤数据中的噪声将内存使用量减少了高达 5%，从而提高了处理信息的质量。

Surya 的设计赋予了它显著优势：与其他需要大量标注数据的算法不同，Surya 可以直接从原始数据中学习，快速适应不同的任务并在较短时间内提供可靠结果。

测试期间，Surya 展现了整合来自其他仪器数据的能力，如帕克太阳探测器和太阳与日球层观测卫星（SOHO），这两个航天器也用于观测太阳。Surya 在多种预测功能上表现出色，包括预测耀斑活动和太阳风速度。

IBM 表示，传统预测模型只能根据太阳特定区域检测到的信号提前一小时预测耀斑。相比之下，Surya 利用视觉信息提供了两小时的预警。据称，这是首个提供此类预警的模型。早期测试结果显示，Surya 在太阳耀斑分类准确性上提高了 16%，比现有方法有显著改进。

NASA 强调，虽然该模型专为研究日球物理学而设计，但其架构适用于不同领域，从行星科学到地球观测。“通过开发基于 NASA 日球物理数据的基础模型，我们使分析太阳行为的复杂性变得更加容易，以前所未有的速度和精度完成这项工作。”NASA 数据科学主任凯文·墨菲表示，“这个模型有助于更广泛地理解太阳活动如何影响我们依赖的关键系统和技术。”

异常太阳活动带来的风险不容小觑。一场严重的太阳风暴可能直接影响全球电信，导致电网崩溃，干扰 GPS 导航、卫星操作、互联网连接和无线电传输。

西南研究所位于德克萨斯州圣安东尼奥的太阳物理学家安德烈斯·穆诺兹-贾拉米略是该项目的首席科学家，他强调 Surya 的目标是最大限度地延长这些潜在情景的预警时间。“我们希望给地球尽可能长的预警时间。我们的目标是让模型学会太阳随时间演变的所有关键过程，以便我们能够提取可操作的见解。”

(以上内容均由Ai生成)