Pemodelan Medan Magnet Matahari dengan AI Tingkatkan Akurasi Prediksi Cuaca Antariksa

Para peneliti dari Institut Astronomi Universitas Hawaii (IfA) telah merumuskan sebuah metodologi inovatif yang memanfaatkan kecerdasan buatan (AI) untuk menghasilkan peta tiga dimensi (3D) medan magnet Matahari dengan tingkat detail yang jauh lebih tinggi. Terobosan ini dirancang untuk memberikan dukungan krusial bagi penelitian ilmiah yang mengandalkan data yang dikumpulkan oleh Teleskop Daniel K. Inouye (DKIST). Temuan penting dari upaya kolaboratif ini telah dipublikasikan dalam jurnal ilmiah bergengsi, The Astrophysical Journal.

Kai Young, seorang kandidat doktor IfA yang juga merupakan peneliti utama dalam proyek ini, menekankan betapa vitalnya pencapaian ini, terutama mengingat kondisi Matahari saat ini. Matahari tetap menjadi sumber utama dari fenomena cuaca antariksa yang berpotensi mengganggu operasional teknologi di Bumi. Medan magnet Matahari adalah motor penggerak utama di balik peristiwa eksplosif seperti jilatan api Matahari (solar flares) dan lontaran massa korona (CME), yang semuanya menimbulkan ancaman serius bagi sistem satelit, jaringan energi listrik, dan infrastruktur komunikasi global.

Metode pengukuran medan magnet Matahari yang konvensional sering kali menghadapi kendala mendasar. Salah satu kesulitan utama adalah ketidakpastian dalam menentukan orientasi kemiringan medan—apakah medan tersebut mengarah ke arah kita atau menjauhi kita—serta tantangan dalam menetapkan ketinggian sebenarnya dari struktur magnetik tersebut. Hambatan-hambatan ini secara historis mempersulit pembuatan model 3D yang akurat, padahal model tersebut sangat diperlukan untuk membuat prediksi yang andal.

Untuk mengatasi rintangan-rintangan tersebut, tim peneliti telah mengembangkan sebuah sistem pembelajaran mesin yang mereka namakan 'Haleakalā Disambiguation Decoder'. Algoritma canggih ini bekerja dengan mengintegrasikan data observasi empiris dengan prinsip fisika fundamental, yaitu bahwa medan magnet selalu membentuk lingkaran tertutup yang kontinu. Pembatasan fisik ini memungkinkan sistem AI untuk menyelesaikan ambiguitas azimut 180 derajat dalam penentuan arah medan, sekaligus memberikan estimasi ketinggian lapisan magnetik dengan presisi tinggi.

Keefektifan pendekatan baru ini telah teruji melalui berbagai model komputasi yang kompleks, mencakup area Matahari yang tenang, zona aktif, hingga bintik Matahari. Kemampuan interpretasi data yang ditingkatkan oleh AI ini sangat berharga seiring dengan perolehan citra beresolusi ultra-tinggi dari teleskop DKIST, yang berlokasi di puncak Mauna Kea, Hawaii. Dengan memanfaatkan 'Haleakalā Disambiguation Decoder', para ilmuwan kini dapat menyusun peta magnetosfer Matahari 3D yang lebih kredibel dan mampu mengidentifikasi arus listrik vektor di atmosfer Matahari. Hal ini memberikan pemahaman yang lebih jernih mengenai mekanisme yang memicu letusan Matahari yang dahsyat.

Peningkatan akurasi dalam prediksi cuaca antariksa membawa implikasi praktis yang signifikan. Siklus Matahari 25 saat ini, yang dimulai sejak Desember 2019, diperkirakan akan mencapai puncak aktivitasnya antara rentang waktu November 2024 hingga Maret 2026, berdasarkan revisi prediksi dari NOAA. Pemahaman yang lebih baik mengenai pemicu peristiwa Matahari, yang dimungkinkan oleh teknologi AI ini, menjadi sangat krusial untuk memberikan peringatan dini dan melindungi infrastruktur vital. Kompleksitas upaya komputasi ini terlihat dari data proyek SPIn4D, yang mencakup 120 terabita simulasi observasi, dihasilkan melalui pemanfaatan lebih dari 10 juta jam waktu prosesor pada superkomputer NSF Cheyenne.