هوش مصنوعی که لکه های خورشیدی را ساعت ها زودتر می شنود

آیا یک الگوریتم می‌تواند پیش از آنکه چشم‌های ما خورشید را ببینند، صدای آن را بشنود؟ دانشمندان مؤسسه فناوری نیوجرسی الگوریتمی را برای همین کار آموزش داده‌اند: شناسایی لرزش‌های بسیار ضعیف و زمزمه‌های مغناطیسی که چند ساعت پیش از نمایان شدن یک لکه خورشیدی تیره، از تولد یک ناحیه فعال خورشیدی تازه خبر می‌دهند.

این ابزار که «ارلی‌دیتکت» نام گرفته است، دو نوع داده خورشیدی را بررسی می‌کند: تغییرات ظریف در توان آکوستیک، یعنی ارتعاشات داخلی خورشید که توسط تصویربردار لرزه‌شناسی و مغناطیسی ناسا ثبت می‌شود، و جابه‌جایی‌های بسیار کم در میدان مغناطیسی که در سراسر سطح قابل مشاهده خورشید اندازه‌گیری شده‌اند. پژوهشگران سال‌ها داده رصدخانه دینامیک خورشیدی را به این مدل دادند و نتایج آن‌ها را شگفت‌زده کرد. این سامانه به طور میانگین حدود ۹٫۲۴ ساعت پیش از آنکه نواحی فعال در قرص خورشید ظاهر شوند، نشانه‌های شکل‌گیری آن‌ها را شناسایی کرد.

این فاصله زمانی شاید مانند یک سامانه هشدار فوری خبرساز نباشد، اما اهمیت زیادی دارد. اپراتورهای ماهواره، مدیران شبکه برق و برنامه‌ریزان مأموریت‌های فضایی بیش از همه در برابر آب‌وهوای ناگهانی فضا آسیب‌پذیرند؛ حتی چند ساعت فرصت برای آماده‌سازی می‌تواند نتیجه را تغییر دهد. با این حال، شناسایی یک ناحیه در حال ظهور با پیش‌بینی فوران خورشیدی یکسان نیست. بسیاری از نواحی فعال هرگز شراره‌های بزرگ یا پرتاب جرم تاجی ایجاد نمی‌کنند. این یک هشدار اولیه است، نه یک تضمین.

ارلی‌دیتکت بر پایه یک شبکه عصبی از نوع ترنسفورمر ساخته شده است؛ معماری آن به مدل‌هایی شباهت دارد که در پردازش زبان به کار می‌روند، اما به جای دستور زبان، برای تشخیص الگوهای زمانی و مکانی در سیگنال‌های خورشیدی آموزش دیده است. تیم پژوهشی انتظار داشت پالایش دقیق اندازه‌گیری‌های پرنویز به مدل کمک کند. اما چنین نشد. حذف چیزی که پژوهشگران آن را نویز می‌دانستند، در واقع نوسان‌های ضعیفی را از بین برد که نخستین هشدارها را با خود حمل می‌کردند. فیلتری که داده‌ها را آرام‌تر می‌کرد، حساسیت مدل را کاهش داد. به بیان ساده: همان زمزمه اهمیت داشت.

توسعه این پروژه با هدایت دانشجویان کارشناسی و اعضای هیئت علمی مؤسسه فناوری نیوجرسی و با همکاری دانشمندان دانشگاه پرینستون و مرکز پژوهشی ایمز ناسا انجام شد. جوناس تیرونا، دانشجوی اصلی این پروژه، این کار را تمرینی برای گوش دادن دقیق‌تر و متفاوت‌تر به خورشید توصیف می‌کند. الکساندر کوسوویچف، پژوهشگر همکار اصلی، این مأموریت را به تشخیص تغییر ریتم در یک ارکستر شلوغ تشبیه کرد: سیگنال بسیار کوچک است و پس‌زمینه بسیار بلند.

پژوهشگران همچنین شفافیت و دسترسی آزاد را در اولویت قرار دادند. آن‌ها مجموعه داده ظهور نواحی فعال خورشیدی، معروف به «سولارِد»، را منتشر کردند؛ نخستین مجموعه عمومی که بر رویدادهای ظهور نواحی فعال تمرکز دارد. همچنین درگاه ناحیه فعال خورشیدی را راه‌اندازی کردند تا دیگران بتوانند همان رصدها را بررسی کنند. این تیم با اشتراک‌گذاری داده‌ها امیدوار است راهبردهای تازه پیش‌بینی آب‌وهوای فضا را هم در میان فیزیک‌دانان خورشیدی و هم در گروه‌های یادگیری ماشین شتاب دهد.

از نظر عملکرد، ارلی‌دیتکت در آزمون‌های کنترل‌شده با رویدادهای مشاهده‌نشده، از روش‌های پایه پیشی گرفت؛ اما هنوز برای پیش‌بینی عملیاتی و بلادرنگ آماده نیست. این مدل بر اساس موارد شناخته‌شده ظهور نواحی فعال آموزش دیده و همچنان هشدارهای مثبت کاذب و تشخیص‌های دیرهنگام تولید می‌کند. همچنین هنوز نمی‌تواند برآورد کند که آیا یک ناحیه در حال ظهور، شراره خورشیدی بزرگ یا پرتاب جرم تاجی ایجاد خواهد کرد یا نه. پیش از تبدیل شدن این فناوری به یک ابزار روزمره برای پایش آب‌وهوای فضایی، اعتبارسنجی بیشتر و رویدادهای بسیار بیشتری لازم است.

این پژوهش با حمایت مؤسسه پژوهشی هوش مصنوعی گریس هاپر در مؤسسه فناوری نیوجرسی و کمک‌هزینه‌های خورشیدفیزیک ناسا انجام شد؛ از جمله بودجه‌هایی که به مطالعه میدان‌ها و جریان‌های درون خورشید مرتبط هستند. در حال حاضر، مقاله و مجموعه داده‌های مشترک یک نقطه عطف تازه را نشان می‌دهند: یادگیری ماشین می‌تواند پیش‌نشانگرهایی را آشکار کند که چشم انسان و روش‌های سنتی معمولا از دست می‌دهند.

اگر به اندازه کافی دقیق گوش کنیم، خورشید به زبانی سخن می‌گوید که ما تازه در آغاز فهمیدن آن هستیم؛ و همین موضوع به تنهایی می‌تواند شیوه آماده شدن ما برای فوران بعدی آن را تغییر دهد.