Штучний інтелект може передбачити сонячні спалахи

Кілька місяців тому на Сонці з’явилося найбільша сонячне пляма, яку ми бачили за останні 24 роки. Ця жахлива пляма була помітно неозброєним оком (тобто без наближення, але з захисними окулярами) і породила більше сотні спалахів. Кількість плям на Сонці змінюється циклічно кожні 11 років, збільшуючись і зменшуючись. Прямо зараз сонце знаходиться в найбільш активній частині цього циклу: ми очікуємо багато плям і багато спалахів в найближчі місяці.

Штучний інтелект може передбачити сонячні спалахи.

Людей, як правило, лякає руйнівна сила сонячних спалахів – є шанс, що одного разу потужний вибух на Сонці шпурне в нашу сторону тонну енергетичних частинок і підсмажить наші супутники зв’язку. Але ніхто не замислюється про те, що ми можемо передбачити такі спалахи, подібно погоді, а значить і запобігти заподіянню можливої шкоди. Але як же передбачити сонячну спалах?

Один із способів полягає у використанні програм машинного навчання типу штучного інтелекту, який автоматично витягує дані з досвіду. Ці алгоритми постійно покращують свої математичні моделі, коли з’являються нові дані. Але для того, щоб добре навчатися, алгоритми вимагають великих обсягів даних. Вченим не вистачало даних про Сонце до 2010 року, поки не була запущена Обсерваторія сонячної динаміки (Solar Dynamics Observatory, SDO),спостерігаючий за сонцем супутник, який відправляє кожен день близько півтора терабайт даних на землю – більше, ніж цей супутник, даних не відправляв жоден апарат в історії NASA.

Сонячні спалахи, як відомо, це складний активний процес. Вони виникають у сонячній атмосфері над сонячними плямами, розташованими на поверхні Сонця. Сонячні плями, які зазвичай приходять парами, діють як стрижневі магніти – одна пляма як північний полюс, інше як південний. Враховуючи те, що на Сонці дуже багато плям, різні шари Сонця обертаються з різною швидкістю. В результаті з’являються магнітні поля, скручені як гумка, які випускають багато енергії в процесі свого існування. Так з’являється сонячний спалах. Іноді скручені поля не спалахують, іноді спалахи з’являються з невинних на вигляд плям, іноді гігантські сонячні плями нічого не робляють.

Ми не знаємо, як виникають сонячні спалахи з точки зору фізики. Ми знаємо, що спалахи володіють магнітною природою, – але ми не знаємо, як вони випускають так багато енергії з такою швидкістю. У відсутність остаточної фізичної теорії, краща надія для прогнозування сонячних спалахів лежить в обробці наших гігантських масивів даних в пошуках підказок.

Є два основних способи прогнозування сонячних спалахів: чисельні моделі та статистичні моделі. У першому випадку ми беремо за основу фізику, яку знаємо, складаємо рівняння, запускаємо їх у часі і отримуємо прогноз. У другому &#8212 – ми використовуємо статистику. Ми відповідаємо на питання: яка вірогідність того, що в активному регіоні з гігантським сонячним плямою з’явиться спалах? А яка ймовірність того, що це трапиться з маленькою плямою? В результаті з’являються гігантські набори даних, повні деталей: розміри сонячних плям, сила магнітного поля. Потім вчені шукають зв’язку між цими деталями і сонячними спалахами.

Алгоритми машинного навчання можуть покласти цьому край. Ми використовуємо алгоритми машинного навчання скрізь. Біометричні годинники використовують їх, щоб розбудити нас, коли потрібно нашому організму. Вони краще лікарів передбачають рідкісні генетичні захворювання. Вони визначають картини, якими надихалися вчені протягом всієї історії. Вчені вважають алгоритми машинного навчання універсально корисними, оскільки вони можуть розбиратися в нелінійних даних, а при великих масивах людям це практично неможливо зробити. Але дуже багато моделей нелінійних, тому такі алгоритми все більше знаходять застосування у всіх сферах.

Вчені використовують алгоритми машинного навчання, щоб передбачити сонячні спалахи, грунтуючись на гігантському наборі даних SDO. Для цього довелося побудувати базу даних усіх активних регіонів, які коли-небудь спостерігала SDO. Оскільки це історичні дані, ми вже знаємо, спалахували ці активні регіони чи ні. Алгоритм навчання аналізує деталі активних регіонів – розміри сонячних плям, силу пов’язаних з ними магнітних полів, їх скрученность – щоб виявити загальну характеристику активно вспыхивающего регіону.

Щоб зробити це, алгоритм починає з припущення. Припустимо, спочатку він припускає, що крихітна сонячне пляма зі слабким магнітним полем породить гігантську спалах. Потім перевіряє відповідь. Упс, немає. Потім алгоритм перебудовує своє припущення. Наступного разу він вже по-іншому зайде. Методом проб і помилок, з сотнями тисяч припущень і перевірок, алгоритм поступово підвищує точність своїх прогнозів. Його можна застосовувати до даних в режимі реального часу, і він продовжує навчатися.

Продовження роботи в цьому напрямку забезпечить нас кращим розумінням прийдешніх сонячних спалахів. Поки вчені показали, що алгоритми машинного навчання краще або, на худий кінець, такі ж, як і статистичні або чисельні методи. І це круто, насправді. Такі алгоритми, які можуть працювати без участі людей, просто переглядаючи величезні масиви даних, будуть нескінченно корисні – і чим далі, тим більше – в самих різних сферах. Найцікавіше, що ті ж алгоритми, які роблять прогнози сонячних спалахів, можуть працювати і з генетичними захворюваннями та їх визначенням.

Радимо прочитати нову статтю LG представить свій новий флагманський смартфон 27 травня, в ній ви знайдете багато цікавої інформації.

А що, якщо буде більше? Хто знає. Хоча у нас вже багато даних про Сонце – SDO працює вже чотири з половиною роки з тих пір було не так багато сонячних спалахів. Тому що ми знаходимося в самому тихому сонячному циклі століття. Є резон продовжити збір даних.

Напишіть відгук

Ваша пошт@ не публікуватиметься. Обов’язкові поля позначені *

*

Можна використовувати XHTML теґи та атрибути: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <strike> <strong>