主要内容
得益于人工智能，太阳最复杂的谜团有望很快得到解决。8 月 20 日，IBM 和 NASA 宣布推出“苏利亚”，这是一款用于太阳的基础模型。经过对大量太阳活动数据集的训练，该 AI 工具旨在加深人类对太阳天气的理解，并准确预测太阳耀斑——我们的恒星发射的电磁辐射爆发，威胁轨道上的宇航员和地球上的通信基础设施。
“苏利亚”使用 NASA 太阳动力学观测站（SDO）收集的九年数据进行训练，该观测站自 2010 年以来一直在围绕太阳运行，每 12 秒拍摄高分辨率图像。SDO 捕捉太阳在不同电磁波长下的观测结果，以估计恒星层的温度。它还精确测量太阳磁场——理解能量如何在恒星中移动以及预测太阳风暴的重要数据。
历史上，解释大量不同且复杂的数据一直是太阳物理学家的挑战。为解决这一挑战，IBM 表示，“苏利亚”的开发人员使用 SDO 数据创建了太阳的数字孪生——一个动态的虚拟复制品，当捕获新数据时会更新，并且可以进行操作和更轻松地研究。
该过程始于统一输入模型的各种数据格式，使其能够一致地处理它们。接下来，使用了长距离视觉 Transformer——一种 AI 架构，能够对非常高分辨率的图像进行详细分析，并识别其组件之间的关系，无论它们的距离如何。通过一种称为光谱门控的机制优化了模型的性能，该机制通过过滤数据中的噪声将内存使用量降低了高达 5％，从而提高了处理信息的质量。
开发人员表示，这种设计给“苏利亚”带来了显著优势：与其他需要对输入数据进行大量标记的算法不同，“苏利亚”可以直接从原始数据中学习。这使其能够快速适应不同的任务并在更短的时间内提供可靠的结果。
在测试期间，“苏利亚”展示了其在整合其他仪器数据方面的多功能性，例如帕克太阳探测器和太阳与日球层观测台（SOHO），这两个其他观测太阳的航天器。“苏利亚”还在各种预测功能中被证明是有效的，包括预测耀斑活动和太阳风速。IBM 表示，传统预测模型仅能根据在太阳特定区域检测到的信号提前一小时预测耀斑，而“苏利亚”通过使用视觉信息提供了两小时的提前量。该模型被认为是第一个提供此类警告的模型。在该模型的早期测试中，团队表示他们在太阳耀斑分类准确性方面实现了 16％的提高，比现有方法有显著改进。
NASA 强调，尽管该模型旨在研究太阳物理学，但其架构可适应不同领域，从行星科学到地球观测。NASA 数据科学主任 Kevin Murphy 在一份声明中表示：“通过开发在 NASA 太阳物理学数据上训练的基础模型，我们使以前所未有的速度和精度分析太阳行为的复杂性变得更加容易。该模型使我们更广泛地了解太阳活动如何影响我们地球上都依赖的关键系统和技术。”
太阳异常活动带来的风险不可小觑。一场重大的太阳风暴可能直接影响全球电信、使电网崩溃，并扰乱 GPS 导航、卫星操作、互联网连接和无线电传输。德克萨斯州圣安东尼奥西南研究所的太阳物理学家 Andrés Muñoz-Jaramillo 是该项目的首席科学家。