IBM Research et la NASA ont lancé Surya, une IA open-source qui prédit les éruptions solaires plus rapidement et avec 16 % de précision en plus en utilisant neuf ans d'images SDO haute résolution.
IBM Research, la division de recherche et développement de la société technologique IBM, a annoncé qu'elle s'est associée à la NASA pour open sourcer Surya, un nouveau modèle d'IA pour la physique solaire conçu pour prédire des éruptions solaires intenses qui pourraient représenter des risques pour les astronautes, les satellites, les réseaux électriques et les communications sur Terre, avec une rapidité sans précédent.
Depuis 15 ans, l'Observatoire dynamique solaire de la NASA (SDO) a surveillé en continu le Soleil pour améliorer la compréhension de l'activité solaire, mais une grande partie des données qu'il a collectées reste inexplorée. Lorsque le SDO a été lancé, les outils d'intelligence artificielle en étaient encore à leurs débuts, ce qui limitait la capacité d'analyser pleinement le flux continu d'images.
Surya, décrit comme le premier modèle fondamental pour la physique solaire, comble cette lacune. En traitant des données brutes provenant du SDO, des chercheurs d'IBM, de la NASA et de huit centres de recherche supplémentaires ont développé un modèle d'IA capable de prévoir des événements solaires dangereux pouvant affecter à la fois les systèmes spatiaux et terrestres.
Nommé d'après le mot sanskrit pour "Soleil", Surya est maintenant disponible publiquement sur Hugging Face, GitHub et via la bibliothèque TerraTorch d'IBM pour l'ajustement des modèles d'IA géospatiaux. Aux côtés de Surya, l'équipe a publié SuryaBench, un ensemble de jeux de données et de benchmarks soigneusement élaborés, conçus pour faciliter le développement et l'évaluation d'applications non seulement pour la prévision de la météo spatiale, mais aussi pour une recherche solaire plus large.
La prévision des tempêtes sévères sur Terre est déjà un défi, et la prédiction des tempêtes solaires ajoute une complexité supplémentaire. Les éruptions solaires se produisent à travers le champ magnétique du Soleil, et la lumière de ces événements met environ huit minutes pour atteindre la Terre. Ce délai souligne la nécessité de modèles prédictifs capables de fournir des alertes précoces sur l'activité solaire avant qu'elle n'impacte les astronautes, les satellites et les infrastructures sur la planète.
Surya AI fait avancer les prévisions d'héliosphère avec une prévision améliorée des éruptions solaires et une cartographie magnétique
L'initiative Surya d'IBM reflète une stratégie plus large visant à adopter des méthodes génératives et automatisées qui permettent de développer, tester et affiner les algorithmes à grande échelle. Le projet illustre la perspective d'IBM sur l'IA comme non seulement un outil, mais aussi un contributeur et un moteur de l'exploration scientifique.
L'Observatoire de dynamique solaire (SDO) maintient une orbite aux côtés de la Terre pour fournir une vue constante du Soleil, capturant des images toutes les 12 secondes à travers plusieurs bandes de longueur d'onde. Ces images révèlent des variations de température à travers les couches du Soleil, allant d'environ 5 500 °C à la surface à près de 2 millions °C dans la couronne, la partie la plus externe de son atmosphère. De plus, le SDO cartographie l'activité magnétique du Soleil, capturant les taches solaires émergentes en lumière blanche, mesurant la vitesse des bulles de plasma à la surface et suivant le torsionnement et l'enchevêtrement des lignes de champ magnétique.
Pour entraîner Surya, les chercheurs ont utilisé neuf ans de données de l'SDO, d'abord en harmonisant les différents types de données puis en expérimentant avec des architectures d'IA pour traiter l'information. Le modèle final utilise un transformateur de vision long-court avec un mécanisme de filtrage spectral, lui permettant de gérer les images haute résolution de 4096 x 4096 pixels de l'SDO, qui contiennent jusqu'à dix fois plus de détails que les données d'image typiques. Le filtrage spectral a également réduit l'utilisation de la mémoire d'environ 5 % et a aidé à filtrer le bruit du jeu de données.
Contrairement aux travaux précédents avec Prithvi, où les modèles reconstruisaient des images satellites de la Terre partiellement obscurcies, Surya a été entraîné à prédire ce que le SDO observerait une heure dans le futur sur la base d'images séquentielles. Les prédictions ont ensuite été comparées aux observations réelles pour mesurer la précision. En exigeant que le modèle infère des éléments essentiels tels que la géométrie solaire, la structure magnétique et la rotation différentielle, les chercheurs visaient à préparer Surya pour une variété d'applications scientifiques. Au départ, l'équipe a tenté de coder explicitement la rotation plus rapide du Soleil à l'équateur par rapport à ses pôles, mais permettre au modèle d'apprendre ce comportement à partir des données s'est avéré plus efficace, ce qui a entraîné de meilleures performances.
Surya a démontré de solides capacités de prévision, y compris la prédiction des éruptions solaires. Les méthodes actuelles permettent aux scientifiques d'anticiper les éruptions une heure à l'avance, tandis que Surya a réussi à obtenir une avance de deux heures en utilisant des données visuelles. Les premiers tests ont également indiqué une amélioration de 16 % de la précision de classification des éruptions solaires, représentant une avancée significative par rapport aux techniques existantes et faisant potentiellement de Surya le premier modèle capable de fournir ce niveau d'avertissement anticipé.
Surya et SuryaBench permettent des prévisions alimentées par l'IA de l'activité solaire et des impacts de la météo spatiale
Surya et SuryaBench sont conçus pour rendre la recherche solaire alimentée par l'IA accessible aux scientifiques sans expertise approfondie en intelligence artificielle. SuryaBench fournit des ensembles de données et des références sélectionnées pour des tâches clés de prédiction des conditions spatiales, y compris la prévision des éruptions solaires, la prédiction des vitesses du vent solaire et l'analyse de la structure magnétique de la couronne solaire. Les outils s'attaquent également à des questions de longue date, telles que pourquoi les vents solaires s'intensifient pendant les phases plus calmes du Soleil.
Les ensembles de données se concentrent sur les régions actives du Soleil, des taches sombres à sa surface où l'énergie magnétique s'accumule et où se produisent des éruptions comme des éruptions solaires et des éjections de masse coronale. Ces événements peuvent interagir avec le champ magnétique de la Terre, perturbant les satellites, les communications et les systèmes d'alimentation. En formant des modèles d'IA sur ces données, Surya permet de prédire l'activité solaire des heures à l'avance, améliorant ainsi les capacités d'alerte précoce pour les dangers liés à la météo spatiale.
SuryaBench comprend des applications pour détecter le rayonnement ultraviolet extrême et surveiller l'accumulation des lignes magnétiques dans l'atmosphère du Soleil, ce qui peut accélérer le vent solaire à des vitesses potentiellement dommageables. En intégrant ces informations, les scientifiques peuvent mieux anticiper l'impact de l'activité solaire sur la Terre, y compris les effets sur les satellites, les réseaux électriques et les infrastructures de communication.
Ensemble, Surya et SuryaBench fournissent un nouveau cadre piloté par l'IA pour comprendre et prédire les phénomènes solaires, offrant des prévisions plus rapides et plus précises des événements solaires potentiellement dangereux et donnant aux chercheurs des outils pour réagir de manière proactive aux menaces météorologiques spatiales.
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
IBM et NASA Open Source Surya AI pour accélérer la prédiction des tempêtes solaires dangereuses
En Bref
IBM Research et la NASA ont lancé Surya, une IA open-source qui prédit les éruptions solaires plus rapidement et avec 16 % de précision en plus en utilisant neuf ans d'images SDO haute résolution.
IBM Research, la division de recherche et développement de la société technologique IBM, a annoncé qu'elle s'est associée à la NASA pour open sourcer Surya, un nouveau modèle d'IA pour la physique solaire conçu pour prédire des éruptions solaires intenses qui pourraient représenter des risques pour les astronautes, les satellites, les réseaux électriques et les communications sur Terre, avec une rapidité sans précédent.
Depuis 15 ans, l'Observatoire dynamique solaire de la NASA (SDO) a surveillé en continu le Soleil pour améliorer la compréhension de l'activité solaire, mais une grande partie des données qu'il a collectées reste inexplorée. Lorsque le SDO a été lancé, les outils d'intelligence artificielle en étaient encore à leurs débuts, ce qui limitait la capacité d'analyser pleinement le flux continu d'images.
Surya, décrit comme le premier modèle fondamental pour la physique solaire, comble cette lacune. En traitant des données brutes provenant du SDO, des chercheurs d'IBM, de la NASA et de huit centres de recherche supplémentaires ont développé un modèle d'IA capable de prévoir des événements solaires dangereux pouvant affecter à la fois les systèmes spatiaux et terrestres.
Nommé d'après le mot sanskrit pour "Soleil", Surya est maintenant disponible publiquement sur Hugging Face, GitHub et via la bibliothèque TerraTorch d'IBM pour l'ajustement des modèles d'IA géospatiaux. Aux côtés de Surya, l'équipe a publié SuryaBench, un ensemble de jeux de données et de benchmarks soigneusement élaborés, conçus pour faciliter le développement et l'évaluation d'applications non seulement pour la prévision de la météo spatiale, mais aussi pour une recherche solaire plus large.
La prévision des tempêtes sévères sur Terre est déjà un défi, et la prédiction des tempêtes solaires ajoute une complexité supplémentaire. Les éruptions solaires se produisent à travers le champ magnétique du Soleil, et la lumière de ces événements met environ huit minutes pour atteindre la Terre. Ce délai souligne la nécessité de modèles prédictifs capables de fournir des alertes précoces sur l'activité solaire avant qu'elle n'impacte les astronautes, les satellites et les infrastructures sur la planète.
Surya AI fait avancer les prévisions d'héliosphère avec une prévision améliorée des éruptions solaires et une cartographie magnétique
L'initiative Surya d'IBM reflète une stratégie plus large visant à adopter des méthodes génératives et automatisées qui permettent de développer, tester et affiner les algorithmes à grande échelle. Le projet illustre la perspective d'IBM sur l'IA comme non seulement un outil, mais aussi un contributeur et un moteur de l'exploration scientifique.
L'Observatoire de dynamique solaire (SDO) maintient une orbite aux côtés de la Terre pour fournir une vue constante du Soleil, capturant des images toutes les 12 secondes à travers plusieurs bandes de longueur d'onde. Ces images révèlent des variations de température à travers les couches du Soleil, allant d'environ 5 500 °C à la surface à près de 2 millions °C dans la couronne, la partie la plus externe de son atmosphère. De plus, le SDO cartographie l'activité magnétique du Soleil, capturant les taches solaires émergentes en lumière blanche, mesurant la vitesse des bulles de plasma à la surface et suivant le torsionnement et l'enchevêtrement des lignes de champ magnétique.
Pour entraîner Surya, les chercheurs ont utilisé neuf ans de données de l'SDO, d'abord en harmonisant les différents types de données puis en expérimentant avec des architectures d'IA pour traiter l'information. Le modèle final utilise un transformateur de vision long-court avec un mécanisme de filtrage spectral, lui permettant de gérer les images haute résolution de 4096 x 4096 pixels de l'SDO, qui contiennent jusqu'à dix fois plus de détails que les données d'image typiques. Le filtrage spectral a également réduit l'utilisation de la mémoire d'environ 5 % et a aidé à filtrer le bruit du jeu de données.
Contrairement aux travaux précédents avec Prithvi, où les modèles reconstruisaient des images satellites de la Terre partiellement obscurcies, Surya a été entraîné à prédire ce que le SDO observerait une heure dans le futur sur la base d'images séquentielles. Les prédictions ont ensuite été comparées aux observations réelles pour mesurer la précision. En exigeant que le modèle infère des éléments essentiels tels que la géométrie solaire, la structure magnétique et la rotation différentielle, les chercheurs visaient à préparer Surya pour une variété d'applications scientifiques. Au départ, l'équipe a tenté de coder explicitement la rotation plus rapide du Soleil à l'équateur par rapport à ses pôles, mais permettre au modèle d'apprendre ce comportement à partir des données s'est avéré plus efficace, ce qui a entraîné de meilleures performances.
Surya a démontré de solides capacités de prévision, y compris la prédiction des éruptions solaires. Les méthodes actuelles permettent aux scientifiques d'anticiper les éruptions une heure à l'avance, tandis que Surya a réussi à obtenir une avance de deux heures en utilisant des données visuelles. Les premiers tests ont également indiqué une amélioration de 16 % de la précision de classification des éruptions solaires, représentant une avancée significative par rapport aux techniques existantes et faisant potentiellement de Surya le premier modèle capable de fournir ce niveau d'avertissement anticipé.
Surya et SuryaBench permettent des prévisions alimentées par l'IA de l'activité solaire et des impacts de la météo spatiale
Surya et SuryaBench sont conçus pour rendre la recherche solaire alimentée par l'IA accessible aux scientifiques sans expertise approfondie en intelligence artificielle. SuryaBench fournit des ensembles de données et des références sélectionnées pour des tâches clés de prédiction des conditions spatiales, y compris la prévision des éruptions solaires, la prédiction des vitesses du vent solaire et l'analyse de la structure magnétique de la couronne solaire. Les outils s'attaquent également à des questions de longue date, telles que pourquoi les vents solaires s'intensifient pendant les phases plus calmes du Soleil.
Les ensembles de données se concentrent sur les régions actives du Soleil, des taches sombres à sa surface où l'énergie magnétique s'accumule et où se produisent des éruptions comme des éruptions solaires et des éjections de masse coronale. Ces événements peuvent interagir avec le champ magnétique de la Terre, perturbant les satellites, les communications et les systèmes d'alimentation. En formant des modèles d'IA sur ces données, Surya permet de prédire l'activité solaire des heures à l'avance, améliorant ainsi les capacités d'alerte précoce pour les dangers liés à la météo spatiale.
SuryaBench comprend des applications pour détecter le rayonnement ultraviolet extrême et surveiller l'accumulation des lignes magnétiques dans l'atmosphère du Soleil, ce qui peut accélérer le vent solaire à des vitesses potentiellement dommageables. En intégrant ces informations, les scientifiques peuvent mieux anticiper l'impact de l'activité solaire sur la Terre, y compris les effets sur les satellites, les réseaux électriques et les infrastructures de communication.
Ensemble, Surya et SuryaBench fournissent un nouveau cadre piloté par l'IA pour comprendre et prédire les phénomènes solaires, offrant des prévisions plus rapides et plus précises des événements solaires potentiellement dangereux et donnant aux chercheurs des outils pour réagir de manière proactive aux menaces météorologiques spatiales.