IBM dan NASA Mengembangkan Surya AI Sumber Terbuka untuk Mempercepat Prediksi Badai Matahari yang Berbahaya

Penelitian IBM , divisi penelitian dan pengembangan perusahaan teknologi IBM, mengumumkan bahwa mereka telah bermitra dengan NASA untuk membuka sumber Surya, model AI baru untuk fisika matahari yang dirancang untuk memprediksi letusan matahari dahsyat yang dapat menimbulkan risiko bagi astronot, satelit, jaringan listrik, dan komunikasi di Bumi, dengan kecepatan yang belum pernah terjadi sebelumnya.

Selama 15 tahun terakhir, satelit Solar Dynamics Observatory (SDO) milik NASA telah memantau Matahari secara terus-menerus untuk meningkatkan pemahaman tentang aktivitas Matahari, namun masih banyak data yang dikumpulkannya yang belum dieksplorasi. Saat SDO diluncurkan, perangkat kecerdasan buatan masih dalam tahap awal, sehingga membatasi kemampuan untuk menganalisis aliran citra yang berkelanjutan secara menyeluruh.

Surya, yang digambarkan sebagai model dasar pertama untuk fisika matahari, menjawab kesenjangan ini. Dengan memproses data mentah dari SDO, para peneliti dari IBM, NASA, dan delapan pusat penelitian lainnya telah mengembangkan model AI yang mampu memprediksi peristiwa matahari berbahaya yang dapat memengaruhi sistem antariksa dan Bumi.

Dinamai berdasarkan kata Sansekerta untuk "Matahari", Surya kini tersedia untuk umum di Hugging Face, GitHub, dan melalui pustaka TerraTorch IBM untuk menyempurnakan model AI geospasial. Bersamaan dengan Surya, tim ini juga telah merilis SuryaBench, serangkaian dataset dan tolok ukur terkurasi yang dirancang untuk memfasilitasi pengembangan dan evaluasi aplikasi, tidak hanya untuk prediksi cuaca antariksa tetapi juga untuk penelitian surya yang lebih luas.

Memprediksi badai dahsyat di Bumi saja sudah sulit, dan memprediksi badai matahari menambah kompleksitasnya. Suar matahari meletus menembus medan magnet Matahari, dan cahaya dari peristiwa ini membutuhkan waktu sekitar delapan menit untuk mencapai Bumi. Penundaan ini menggarisbawahi perlunya model prediktif yang dapat memberikan peringatan dini aktivitas matahari sebelum berdampak pada astronot, satelit, dan infrastruktur di planet ini.

Surya AI Meningkatkan Peramalan Heliosfer dengan Prediksi Suar Matahari yang Disempurnakan dan Pemetaan Magnetik

Inisiatif Surya IBM mencerminkan strategi yang lebih luas untuk mengadopsi metode generatif dan otomatis yang memungkinkan algoritma dikembangkan, diuji, dan disempurnakan dalam skala besar. Proyek ini menggambarkan IBM Perspektif tentang AI bukan hanya sebagai alat tetapi juga kontributor dan penggerak eksplorasi ilmiah.

Observatorium Dinamika Surya (SDO) mempertahankan orbit di sepanjang Bumi untuk memberikan pandangan Matahari yang konsisten, menangkap gambar setiap 12 detik di berbagai pita panjang gelombang. Gambar-gambar ini mengungkapkan variasi suhu di seluruh lapisan Matahari, mulai dari sekitar 5,500°C di permukaan hingga hampir 2 juta°C di korona, bagian terluar atmosfernya. Selain itu, SDO memetakan aktivitas magnetik Matahari, menangkap bintik matahari yang muncul dalam cahaya putih, mengukur kecepatan gelembung plasma di permukaan, dan melacak puntiran dan kekusutan garis-garis medan magnet.

Untuk melatih Surya, para peneliti menggunakan data SDO selama sembilan tahun, pertama-tama menyelaraskan berbagai jenis data, kemudian bereksperimen dengan arsitektur AI untuk memproses informasi tersebut. Model akhir menggunakan transformator visi jarak jauh-pendek dengan mekanisme gerbang spektral, yang memungkinkannya menangani gambar beresolusi tinggi 4096 x 4096 piksel SDO, yang mengandung detail hingga sepuluh kali lebih banyak daripada data gambar pada umumnya. Gerbang spektral juga mengurangi penggunaan memori sekitar 5% dan membantu menyaring derau dari kumpulan data.

Berbeda dengan penelitian sebelumnya dengan Prithvi, di mana model merekonstruksi citra satelit Bumi yang sebagian tertutup, Surya dilatih untuk memprediksi apa yang akan diamati SDO satu jam ke depan berdasarkan citra berurutan. Prediksi tersebut kemudian dibandingkan dengan observasi aktual untuk mengukur akurasi. Dengan mengharuskan model untuk menyimpulkan elemen-elemen penting seperti geometri matahari, struktur magnetik, dan rotasi diferensial, para peneliti bertujuan untuk mempersiapkan Surya untuk berbagai aplikasi ilmiah. Awalnya, tim mencoba mengodekan secara eksplisit rotasi Matahari yang lebih cepat di ekuator dibandingkan dengan kutubnya, tetapi membiarkan model mempelajari perilaku ini dari data terbukti lebih efektif, sehingga menghasilkan kinerja yang lebih baik.

Surya menunjukkan kemampuan prakiraan yang kuat, termasuk prediksi suar matahari. Metode yang ada saat ini memungkinkan para ilmuwan untuk mengantisipasi suar satu jam sebelumnya, sementara Surya mencapai waktu tunggu dua jam menggunakan data visual. Uji coba awal juga menunjukkan peningkatan 16% dalam akurasi klasifikasi suar matahari, yang merupakan kemajuan signifikan dibandingkan teknik yang ada dan berpotensi menjadikan Surya model pertama yang mampu memberikan peringatan dini tingkat ini.

Surya dan SuryaBench Memungkinkan Peramalan Aktivitas Matahari dan Dampak Cuaca Luar Angkasa Berbasis AI

Surya dan SuryaBench dirancang untuk membuat penelitian surya berbasis AI dapat diakses oleh para ilmuwan tanpa keahlian mendalam di bidang kecerdasan buatan. SuryaBench menyediakan kumpulan data terkurasi dan tolok ukur untuk tugas-tugas prediksi cuaca antariksa utama, termasuk prakiraan jilatan matahari, prediksi kecepatan angin matahari, dan analisis struktur magnetik korona Matahari. Perangkat ini juga menjawab pertanyaan-pertanyaan yang telah lama ada, seperti mengapa angin matahari menguat selama fase Matahari yang lebih tenang.

Kumpulan data ini berfokus pada wilayah aktif Matahari, yaitu bintik-bintik gelap di permukaannya tempat energi magnetik terbentuk dan letusan seperti jilatan matahari dan lontaran massa korona berasal. Peristiwa-peristiwa ini dapat berinteraksi dengan medan magnet Bumi, mengganggu satelit, komunikasi, dan sistem kelistrikan. Dengan pelatihan Model AI berdasarkan data ini, Surya memungkinkan prediksi aktivitas matahari beberapa jam sebelumnya, meningkatkan kemampuan peringatan dini terhadap bahaya cuaca luar angkasa.

SuryaBench mencakup aplikasi untuk mendeteksi radiasi ultraviolet ekstrem dan memantau akumulasi garis magnetik di atmosfer Matahari, yang dapat mempercepat angin matahari hingga kecepatan yang berpotensi merusak. Dengan mengintegrasikan informasi ini, para ilmuwan dapat mengantisipasi dampak aktivitas matahari terhadap Bumi dengan lebih baik, termasuk dampaknya terhadap satelit, jaringan listrik, dan infrastruktur komunikasi.

Bersama-sama, Surya dan SuryaBench menyediakan kerangka kerja baru berbasis AI untuk memahami dan memprediksi fenomena matahari, menawarkan perkiraan yang lebih cepat dan akurat tentang peristiwa matahari yang berpotensi berbahaya, dan memberi peneliti alat untuk menanggapi secara proaktif ancaman cuaca luar angkasa.