Modelowanie pola magnetycznego Słońca za pomocą sztucznej inteligencji usprawnia prognozy pogody kosmicznej

Naukowcy z Instytutu Astronomii Uniwersytetu Hawajskiego (IfA) opracowali innowacyjną metodologię, która wykorzystuje sztuczną inteligencję do tworzenia bardziej szczegółowych trójwymiarowych map pola magnetycznego Słońca. Ta nowa technika ma stanowić kluczowe wsparcie dla badań naukowych bazujących na danych pozyskiwanych z teleskopu Daniela K. Inouye (DKIST). Odkrycia te zostały zaprezentowane w prestiżowym czasopiśmie „The Astrophysical Journal”.

Kluczowe znaczenie tego postępu podkreślił główny badacz, doktorant IfA, Kai Young. Zaznaczył on, że w obecnym okresie jest to szczególnie istotne, ponieważ Słońce pozostaje potężnym źródłem pogody kosmicznej. Zjawiska te mogą zakłócać funkcjonowanie technologii na Ziemi. Pole magnetyczne naszej gwiazdy jest bezpośrednią przyczyną gwałtownych zdarzeń, takich jak rozbłyski słoneczne i koronalne wyrzuty masy (CME), które stanowią realne zagrożenie dla systemów satelitarnych, sieci energetycznych oraz globalnej komunikacji.

Tradycyjne metody pomiaru słonecznego pola magnetycznego od dawna borykają się z fundamentalnymi problemami. Jednym z nich jest niepewność co do kierunku nachylenia pola – czy jest ono skierowane w naszą stronę, czy od nas. Kolejną trudnością jest precyzyjne określenie rzeczywistej wysokości struktur magnetycznych. Te ograniczenia historycznie utrudniały budowanie dokładnych modeli 3D, niezbędnych do wiarygodnego prognozowania.

Aby pokonać te przeszkody, zespół badawczy stworzył system uczenia maszynowego nazwany „Dekoderem Rozdzielczości Haleakalā” (Haleakalā Disambiguation Decoder). Algorytm ten łączy obserwacyjne dane empiryczne z fundamentalną zasadą fizyczną, która mówi, że pola magnetyczne tworzą zamknięte, ciągłe pętle. To fizyczne ograniczenie umożliwia sztucznej inteligencji rozwiązanie 180-stopniowej niejednoznaczności azymutalnej w określaniu kierunku pola, a także pozwala na dokładną estymację wysokości warstw magnetycznych.

Skuteczność nowej metody została potwierdzona na złożonych symulacjach komputerowych, obejmujących zarówno spokojne obszary, jak i aktywne regiony oraz plamy słoneczne. Ulepszona zdolność sztucznej inteligencji do interpretacji danych jest szczególnie cenna w kontekście obrazów o ultra-wysokiej rozdzielczości dostarczanych przez teleskop DKIST, zlokalizowany na szczycie Mauna Kea na Hawajach. Wykorzystanie „Dekodera Rozdzielczości Haleakalā” pozwala naukowcom na tworzenie bardziej wiarygodnych trójwymiarowych map magnetosfery słonecznej. Umożliwia to również identyfikację wektorowych prądów elektrycznych w atmosferze Słońca, co prowadzi do głębszego zrozumienia mechanizmów inicjujących potężne erupcje słoneczne.

Poprawa jakości prognoz pogody kosmicznej ma bezpośrednie implikacje praktyczne. Obecny Cykl Słoneczny 25, który rozpoczął się w grudniu 2019 roku, według skorygowanych prognoz NOAA, ma osiągnąć szczyt aktywności między listopadem 2024 a marcem 2026 roku. Lepsze zrozumienie czynników wyzwalających zdarzenia słoneczne, możliwe dzięki tej technologii AI, jest kluczowe dla wczesnego ostrzegania i ochrony krytycznej infrastruktury. Skala prac obliczeniowych jest imponująca: projekt SPIn4D objął 120 terabajtów symulowanych obserwacji, które powstały przy użyciu ponad 10 milionów godzin czasu procesora na superkomputerze NSF Cheyenne.