Πριν εμφανιστούν οι σκοτεινές κηλίδες που συνήθως προδίδουν μια νέα ενεργή περιοχή στον Ήλιο, υπάρχει ήδη ένα αχνό προειδοποιητικό σήμα. Αυτό υποστηρίζει νέα εργασία ερευνητών με επικεφαλής το New Jersey Institute of Technology, οι οποίοι παρουσίασαν το EarlyDetect, ένα μοντέλο τεχνητής νοημοσύνης που εντοπίζει πρόδρομα ίχνη σε ακουστικά και μαγνητικά δεδομένα και προβλέπει κατά μέσο όρο περίπου 9,24 ώρες νωρίτερα πότε μια ενεργή περιοχή θα γίνει ορατή.
Το ενδιαφέρον δεν είναι μόνο αστρονομικό. Οι ενεργές περιοχές είναι τα σημεία από όπου μπορούν να ξεκινήσουν ισχυρές ηλιακές εκλάμψεις και στεμματικές εκτινάξεις μάζας, δηλαδή φαινόμενα που επηρεάζουν δορυφόρους, επικοινωνίες, δίκτυα ηλεκτρικής ενέργειας και γενικότερα τις υποδομές που εξαρτώνται από τον διαστημικό καιρό.
Τι ακριβώς κάνει το EarlyDetect
Το μοντέλο αναλύει ωριαίους χάρτες ακουστικής ισχύος και μετρήσεις μαγνητικού πεδίου από το Solar Dynamics Observatory της NASA. Οι ακουστικοί χάρτες προέρχονται από καταγραφές κάθε 45 δευτερόλεπτα του οργάνου Helioseismic and Magnetic Imager, το οποίο επιτρέπει στους επιστήμονες να διαβάζουν μικρές μεταβολές στα ηχητικά κύματα που ταξιδεύουν μέσα στον Ήλιο.
Η βασική ιδέα είναι ότι καθώς τα μαγνητικά πεδία ανεβαίνουν προς την επιφάνεια, αφήνουν αμυδρές υπογραφές πριν η ενεργή περιοχή γίνει ορατή. Αυτές οι υπογραφές ήταν δύσκολο να απομονωθούν με τις κλασικές μεθόδους, όμως το EarlyDetect εκπαιδεύτηκε ώστε να αναγνωρίζει τέτοια πρόδρομα μοτίβα σε δεδομένα που για τον άνθρωπο μοιάζουν σχεδόν με θόρυβο.
Γιατί η επίδοση των 9,24 ωρών έχει σημασία
Στις δοκιμές που περιγράφονται στο Journal of Geophysical Research: Machine Learning and Computation, η καλύτερη εκδοχή του συστήματος εντόπισε πρόδρομα σήματα κατά μέσο όρο 9,24 ώρες πριν η ενεργή περιοχή γίνει ορατή. Η ερευνητική ομάδα αναφέρει επίσης ότι η επίδοση αυτή ήταν καλύτερη από ένα συμβατικό Transformer και από προηγούμενη συγκριτική προσέγγιση αναφοράς.
Αυτό δεν σημαίνει ότι το σύστημα προβλέπει απευθείας μια ηλιακή έκλαμψη ή μια στεμματική εκτίναξη μάζας. Οι ίδιοι οι ερευνητές διευκρινίζουν ότι πολλές ενεργές περιοχές δεν παράγουν τελικά μεγάλα εκρηκτικά φαινόμενα. Παρ' όλα αυτά, το να γνωρίζεις νωρίτερα πότε σχηματίζεται μια νέα ενεργή περιοχή μπορεί να βελτιώσει την ετοιμότητα των φορέων που παρακολουθούν τον διαστημικό καιρό.
Το πιο ενδιαφέρον εύρημα ήταν ότι το φίλτρο χειροτέρευε το αποτέλεσμα
Ένα από τα πιο χρήσιμα τεχνικά συμπεράσματα της δουλειάς είναι ότι μια μέθοδος φιλτραρίσματος που αρχικά θεωρήθηκε βοηθητική τελικά αφαιρούσε τα πιο αδύναμα αλλά κρίσιμα σήματα. Με άλλα λόγια, το σύστημα έβλεπε καλύτερα όταν οι ερευνητές σταμάτησαν να «καθαρίζουν» υπερβολικά τα δεδομένα.
Αυτό έχει ευρύτερη σημασία για την εφαρμοσμένη AI σε επιστημονικές μετρήσεις. Δείχνει ότι στα φυσικά συστήματα η πληροφορία που φαίνεται σαν θόρυβος μπορεί μερικές φορές να είναι ακριβώς το πρόωρο ίχνος που ψάχνεις, αρκεί το μοντέλο να έχει σχεδιαστεί ώστε να το ξεχωρίσει.
Πού βρίσκεται σήμερα η έρευνα και τι μπορεί να ακολουθήσει
Η ομάδα σημειώνει καθαρά ότι το EarlyDetect δεν είναι ακόμη επιχειρησιακό εργαλείο πραγματικού χρόνου. Έχει εκπαιδευτεί σε γνωστά γεγονότα εμφάνισης ενεργών περιοχών και εξακολουθεί να δίνει ορισμένους ψευδείς συναγερμούς ή αργοπορημένες προβλέψεις. Χρειάζεται επομένως επιβεβαίωση σε πολύ περισσότερα γεγονότα πριν χρησιμοποιηθεί ως σύστημα έγκαιρης προειδοποίησης.
Παράλληλα, οι ερευνητές έδωσαν στη δημοσιότητα το SolARED, ένα ανοιχτό dataset για την εμφάνιση ηλιακών ενεργών περιοχών, καθώς και το SAR Portal για εξερεύνηση των δεδομένων. Αυτή η επιλογή έχει αξία γιατί επιτρέπει σε άλλες ομάδες να ελέγξουν, να βελτιώσουν ή και να αμφισβητήσουν το μοντέλο πάνω στην ίδια βάση παρατηρήσεων.
Γιατί η είδηση αφορά και υποδομές στη Γη
Για όποιον διαχειρίζεται δορυφορικές υπηρεσίες, τηλεπικοινωνιακές συνδέσεις ή κρίσιμα ενεργειακά συστήματα, μερικές ώρες έγκαιρης ένδειξης δεν είναι λεπτομέρεια. Δεν λύνουν από μόνες τους το πρόβλημα, αλλά μπορούν να δώσουν πολύτιμο χρόνο για προληπτικούς ελέγχους, αλλαγές λειτουργίας ή αυξημένη επιτήρηση.
Αυτό είναι και το ουσιαστικότερο μήνυμα της μελέτης: η τεχνητή νοημοσύνη δεν χρησιμοποιείται εδώ για ένα εντυπωσιακό demo, αλλά ως εργαλείο που επιχειρεί να μεταφράσει αδύναμα επιστημονικά σήματα σε πιο έγκαιρη επίγνωση κινδύνου. Αν το EarlyDetect επιβεβαιωθεί σε μεγαλύτερη κλίμακα, η συμβολή του μπορεί να αποδειχθεί περισσότερο υποδομική παρά ακαδημαϊκή.