شهرآرانیوز؛ پژوهشگران ناسا یک مدل هوش مصنوعی به نام COFFIES توسعه دادهاند که میتواند با بررسی نشانههای بسیار ظریف در زیر سطح خورشید، محل شکلگیری مناطق فعال خورشیدی را پیش از آشکارشدن آنها روی سطح این ستاره پیشبینی کند. این مناطق فعال میتوانند منشأ شرارههای خورشیدی و فورانهای عظیم ذرات موسوم به خروج جرم از تاج خورشیدی (CME) باشند.
این دستاورد اهمیت زیادی برای پیشبینی آبوهوای فضایی دارد؛ زیرا فورانهای شدید خورشیدی میتوانند ماهوارهها، ارتباطات رادیویی، سامانههای موقعیتیابی و حتی شبکههای برق روی زمین را تحت تأثیر قرار دهند.
مشکل اصلی دانشمندان این است که منطقه فعال خورشیدی در ابتدا در اعماق خورشید شکل میگیرد و تا زمانی که به سطح نرسیده باشد، مستقیماً قابل مشاهده نیست.
با این حال، حرکت میدانهای مغناطیسی و پلاسمای درون خورشید اثرات بسیار ظریفی بر امواج صوتی و جریانهای درونی خورشید ایجاد میکند. مدل COFFIES با استفاده از دادههای مربوط به میدانهای مغناطیسی و جریانهای داخل خورشید تلاش میکند این نشانههای ضعیف را شناسایی کند.
در نتیجه، به جای اینکه دانشمندان منتظر ظاهرشدن لکه خورشیدی روی سطح بمانند، هوش مصنوعی میتواند نشانههای اولیه شکلگیری آن را از قبل تشخیص دهد.
بر اساس نتایج اعلامشده توسط ناسا، COFFIES قادر است برخی مناطق فعال خورشیدی را تا حدود ۱۲ ساعت پیش از ظاهرشدن آنها روی سطح خورشید شناسایی کند.
این ۱۲ ساعت ممکن است در مقیاس زمانی فعالیت خورشید بسیار کوتاه به نظر برسد، اما برای سامانههای زمینی زمان ارزشمندی است.
اگر دانشمندان بتوانند احتمال شکلگیری یک منطقه فعال و سپس وقوع یک فوران را زودتر تشخیص دهند، اپراتورهای ماهوارهها و شبکههای ارتباطی میتوانند اقدامات احتیاطی بیشتری انجام دهند.
البته باید یک نکته مهم را در نظر گرفت: این مدل مستقیماً وقوع یک طوفان خورشیدی که به زمین برخورد خواهد کرد را ۱۲ ساعت زودتر پیشبینی نمیکند. آنچه مدل در این مرحله پیشبینی میکند، شکلگیری مناطق فعال خورشیدی است؛ این مناطق ممکن است بعداً محل وقوع شرارههای خورشیدی یا فورانهای دیگر شوند.
خورشید دائماً ذرات و انرژی به فضا منتشر میکند، اما گاهی فعالیت آن بهطور ناگهانی افزایش مییابد. یکی از مهمترین رویدادها شراره خورشیدی است که میتواند تابش شدیدی تولید کند.
نوع دیگری از رویدادهای قدرتمند، خروج جرم از تاج خورشیدی یا CME است. در این پدیده حجم عظیمی از پلاسمای مغناطیسی با سرعت زیاد از خورشید به فضا پرتاب میشود.
اگر چنین ابری به سمت زمین حرکت کند، برخورد آن با میدان مغناطیسی زمین میتواند یک طوفان ژئومغناطیسی ایجاد کند.
طوفانهای شدید ممکن است باعث اختلال در ارتباطات رادیویی، کاهش دقت GPS، ایجاد مشکل برای ماهوارهها و افزایش جریانهای القایی در شبکههای برق شوند. همچنین میتوانند باعث شکلگیری شفقهای قطبی در مناطقی بسیار دورتر از قطبها شوند.
یکی از منابع مهم داده برای این پژوهش، مشاهدات رصدخانه دینامیک خورشیدی ناسا (SDO) است.
SDO سالهاست از خورشید تصویربرداری میکند و اطلاعاتی درباره میدانهای مغناطیسی، حرکت مواد و فعالیتهای سطحی و زیرسطحی خورشید در اختیار دانشمندان قرار میدهد.
مدلهای یادگیری ماشین میتوانند حجم بسیار بزرگی از این دادهها را بررسی کنند و الگوهایی را پیدا کنند که تشخیص آنها با روشهای سنتی دشوار است. ناسا نیز طی سالهای اخیر استفاده از یادگیری ماشین را برای بهبود پیشبینی آبوهوای فضایی دنبال کرده است.
جالب اینکه تقریباً همزمان، گروهی از پژوهشگران مؤسسه فناوری نیوجرسی (NJIT) نیز مدل هوش مصنوعی دیگری به نام EarlyDetect معرفی کردهاند.
این مدل با استفاده از دادههای SDO توانسته است نشانههای شکلگیری مناطق فعال خورشیدی را بهطور متوسط حدود ۹.۲۴ ساعت پیش از قابل مشاهده شدن آنها روی سطح خورشید شناسایی کند.
EarlyDetect بهویژه به تغییرات بسیار ظریف در امواج صوتی خورشید و میدانهای مغناطیسی توجه میکند. این امواج مانند نوعی «ردپا» از فعالیتهای درونی خورشید عمل میکنند.
فناوریهای مدرن بهشدت به شرایط فضایی وابسته شدهاند. هزاران ماهواره برای ارتباطات، اینترنت، موقعیتیابی، هواشناسی و تصویربرداری از زمین در مدار فعالیت میکنند.
یک طوفان خورشیدی شدید میتواند برای برخی از این سامانهها مشکل ایجاد کند. بنابراین حتی افزایش چند ساعت در زمان هشدار میتواند فرصت بیشتری برای تصمیمگیری ایجاد کند.
برای مثال، در صورت دریافت هشدار مناسب، اپراتورها میتوانند برخی فعالیتهای حساس ماهوارهها را محدود کنند، وضعیت سامانههای ارتباطی را بررسی کنند یا برای اختلال احتمالی در ارتباطات و GPS آماده شوند.
مدلهای جدید یک گام مهم در جهت پیشبینی زودهنگام فعالیت خورشید هستند، اما نمیتوانند با قطعیت بگویند یک منطقه فعال دقیقاً چه زمانی یک شراره قدرتمند یا CME ایجاد خواهد کرد و آیا این رویداد مستقیماً زمین را هدف خواهد گرفت یا خیر.
به همین دلیل، پژوهشگران همچنان در حال ترکیب مدلهای هوش مصنوعی با دادههای ماهوارهای، مدلهای فیزیکی خورشید و سامانههای پیشبینی آبوهوای فضایی هستند.
در همین راستا، مأموریت PUNCH ناسا نیز در آزمایش اولیه خود توانسته است زمان رسیدن یک فوران خورشیدی به نزدیکی زمین را با خطایی حدود ۳۰ دقیقه پیشبینی کند؛ رویکردی که میتواند در کنار مدلهای پیشبینیکننده فعالیتهای خورشیدی، سامانههای هشدار آینده را قدرتمندتر کند.
ترکیب هوش مصنوعی و فیزیک خورشیدی میتواند در سالهای آینده زمان هشدار درباره فعالیتهای خطرناک خورشید را افزایش دهد.
اگر مدلهای جدید بتوانند نهتنها شکلگیری مناطق فعال، بلکه احتمال وقوع شراره، قدرت آن، جهت حرکت CME و زمان احتمالی رسیدن آن به زمین را نیز با دقت بالاتری پیشبینی کنند، بشر میتواند برای نخستین بار به یک سامانه هشدار نسبتاً پیشرفته برای طوفانهای فضایی دست پیدا کند.
دستاورد COFFIES ناسا در همین مسیر قرار دارد: استفاده از هوش مصنوعی برای پیدا کردن نشانههایی که هنوز برای چشم انسان و ابزارهای معمول قابل مشاهده نیستند.