KI-Modellierung des Sonnenmagnetfeldes steigert die Präzision von Weltraumwettervorhersagen

Wissenschaftler des Instituts für Astronomie der Universität von Hawaii (IfA) haben eine innovative Methodik entwickelt. Diese nutzt Künstliche Intelligenz (KI), um dreidimensionale Karten des Magnetfeldes der Sonne mit deutlich höherer Detailgenauigkeit zu erstellen. Diese bahnbrechende Arbeit soll Forschungen unterstützen, die auf Daten des Daniel K. Inouye Solar Telescope (DKIST) basieren. Die Ergebnisse dieser Studie wurden kürzlich in der Fachzeitschrift „The Astrophysical Journal“ veröffentlicht.

Der leitende Forscher, Doktorand Kai Young vom IfA, hob die immense Bedeutung dieses Fortschritts hervor. Dies gilt insbesondere für die aktuelle Phase, da die Sonne weiterhin eine mächtige Quelle für Weltraumwetterereignisse darstellt. Solche Ereignisse bergen das Potenzial, irdische Technologien empfindlich zu stören. Das Magnetfeld der Sonne ist der primäre Motor für explosive Phänomene wie Sonneneruptionen und koronalen Massenauswürfen (CME). Diese stellen eine ernstzunehmende Bedrohung für Satellitensysteme, Stromnetze und globale Kommunikationsinfrastrukturen dar.

Herkömmliche Verfahren zur Messung des solaren Magnetfeldes stoßen auf fundamentale Schwierigkeiten. Dazu zählt die inhärente Unsicherheit bezüglich der genauen Neigung des Feldes – ob es auf uns zu oder von uns weg gerichtet ist. Hinzu kommt die Komplexität, die tatsächliche Höhe magnetischer Strukturen präzise zu bestimmen. Diese Einschränkungen erschwerten bisher die Erstellung exakter dreidimensionaler Modelle, welche für zuverlässige Vorhersagen unerlässlich sind.

Um diese Hürden zu überwinden, konzipierte das Forschungsteam ein maschinelles Lernsystem mit dem Namen „Haleakalā Disambiguation Decoder“. Dieser Algorithmus kombiniert empirische Beobachtungsdaten mit dem physikalischen Grundsatz, dass Magnetfelder stets geschlossene, kontinuierliche Schleifen bilden müssen. Diese physikalische Randbedingung ermöglicht es der KI, die sogenannte 180-Grad-Azimut-Ambiguität bei der Bestimmung der Feldrichtung aufzulösen. Darüber hinaus kann das System die tatsächliche Höhe der magnetischen Schichten mit hoher Verlässlichkeit abschätzen.

Die Leistungsfähigkeit dieser neuen Methode wurde anhand komplexer Computersimulationen validiert, welche sowohl ruhige Regionen als auch aktive Zonen und Sonnenflecken umfassten. Die verbesserte Interpretationsfähigkeit der KI ist besonders wertvoll angesichts der hochauflösenden Bilder, die das DKIST auf dem Gipfel des Mauna Kea auf Hawaii liefert. Durch den Einsatz des „Haleakalā Disambiguation Decoder“ können Wissenschaftler nun eine wesentlich plausiblere dreidimensionale Karte der solaren Magnetosphäre erstellen. Dies erlaubt es, Vektor-Elektronenströme in der Sonnenatmosphäre genauer zu identifizieren, was zu einem klareren Verständnis der Mechanismen führt, die starke solare Ausbrüche auslösen.

Die Steigerung der Vorhersagegenauigkeit für das Weltraumwetter hat weitreichende praktische Implikationen. Der gegenwärtige Sonnenzyklus 25, der im Dezember 2019 begann, soll laut revidierter Prognosen der NOAA zwischen November 2024 und März 2026 seinen Aktivitätsgipfel erreichen. Ein vertieftes Verständnis der Auslöser solarer Ereignisse, ermöglicht durch diese KI-Technologie, ist daher von kritischer Bedeutung für rechtzeitige Warnungen und den Schutz unserer Infrastruktur. Der Umfang der Rechenleistung, die für dieses Projekt aufgewendet wurde, ist beachtlich: Das SPIn4D-Projekt umfasste 120 Terabyte an simulierten Beobachtungen, die mithilfe von über 10 Millionen Stunden Prozessorzeit auf dem Supercomputer Cheyenne des NSF generiert wurden.