Süni intellekt Günəşdə partlayışlardan saatlar əvvəl gizli xəbərdarlıq siqnallarını aşkarlayıb

ABŞ alimləri Günəşin səthində görünməzdən bir neçə saat əvvəl yeni aktiv bölgələrin yaranmasına işarə edən zəif siqnalları süni intellekt vasitəsilə müəyyən etməyə imkan verən model hazırlayıblar. ABŞ-ın Nyu-Cersi Texnologiya İnstitutunun (NJIT) rəhbərlik etdiyi tədqiqat qrupu Günəşdə potensial olaraq kosmik hava hadisələrindən əvvəl baş verən proseslərin erkən aşkarlanması üçün süni intellekt əsaslı sistem hazırlayıb.

EarlyDetect adlandırılan model yeni Günəş aktivliyi bölgələrinin görünməsindən orta hesabla təxminən 9 saat əvvəl onların yaranmasına işarə edən zəif siqnalları müəyyən edib.

Tədqiqatın nəticələri avqustun 14-də Journal of Geophysical Research: Machine Learning and Computation jurnalında dərc olunub.

Araşdırmada NJIT, Prinston Universiteti və NASA-nın Ames Tədqiqat Mərkəzinin alimləri iştirak ediblər. Tədqiqat üçün NASA-nın Günəş Dinamikası Rəsədxanası (SDO) tərəfindən toplanmış məlumatlardan istifadə olunub. Layihənin əsas müəllifi, NJIT tələbəsi Jonas Tirona bildirib ki, araşdırmanın ən mühüm nəticələrindən biri maşın öyrənməsindən istifadə etməklə Günəşdə aktiv bölgələrin yaranmasını əvvəlcədən proqnozlaşdırmağın mümkün olduğunu göstərməsidir.

Onun sözlərinə görə, belə erkən xəbərdarlıq peyk rabitəsi və elektrik şəbəkələri kimi Günəş fəallığından təsirlənə bilən sistemlərin əvvəlcədən hazırlıq görməsinə və mümkün zərərin azaldılmasına imkan verə bilər. 

Günəşdə aktiv bölgələr güclü maqnit fəaliyyəti ilə xarakterizə olunur və günəş ləkələri əsasən bu ərazilərdə yaranır.

Belə bölgələrin formalaşması bir neçə saat ərzində başlaya bilər, tam inkişaf etməsi isə bir neçə saatdan bir neçə günə qədər davam edə bilər. Tədqiqatçıların sözlərinə görə, aktiv bölgələr Günəşin görünən səthinə çıxmazdan əvvəl onların daxilində yüksələn maqnit sahələri Günəşin daxilindən keçən akustik dalğalara çox zəif təsir göstərir. Alimlər bu dəyişiklikləri helioseysmologiya adlanan metod vasitəsilə araşdırırlar. Bu üsul Günəşin daxilində hərəkət edən dalğaların öyrənilməsi əsasında səthdən birbaşa müşahidə edilə bilməyən proseslər haqqında məlumat əldə etməyə imkan verir. EarlyDetect sistemi NASA-nın SDO rəsədxanasından əldə edilən akustik aktivlik xəritələrini Günəşin maqnit sahəsi haqqında məlumatlarla birlikdə təhlil edir.

Akustik məlumatlar SDO-nun Helioseismic and Magnetic Imager (HMI) cihazı tərəfindən hər 45 saniyədən bir qeydə alınan səs dalğası ölçmələrindən əldə edilir. 

NJIT-in fizika professoru və layihənin həmsədr tədqiqatçısı Aleksandr Kosovişev bildirib ki, əsas çətinlik aktiv bölgənin Günəşin görünən səthinin altında formalaşmasıdır.

“Biz çox kiçik maqnit sahəsi dəyişikliklərini və Günəşdən fasiləsiz keçən akustik dalğaların yaratdığı dəyişiklikləri axtarırıq. Bu, sanki çox səs-küylü orkestrdə ritmdəki cüzi dəyişikliyi müəyyən etməyə bənzəyir”, – alim qeyd edib. 

EarlyDetect sisteminin əsasını Transformer arxitekturası təşkil edir. Bu, ChatGPT kimi böyük dil modellərində də istifadə olunan süni intellekt texnologiyasının geniş yayılmış arxitekturalarından biridir. Lakin EarlyDetect dil məlumatlarını deyil, Günəşin aktivliyindən əvvəl meydana çıxan statistik və fiziki nümunələri təhlil edir. Tədqiqatçılar əvvəlcə modelin faydalı siqnalları daha asan müəyyən etməsi üçün Günəş müşahidələrindəki bəzi məlumatların filtrlənməsinin proqnozların dəqiqliyini artıracağını düşünürdülər. Lakin sınaqlar bunun əksini göstərib. 

Məlumatların filtrlənməsi proqnozların keyfiyyətini aşağı salıb. Tədqiqatçılar müəyyən ediblər ki, filtrləmə nəticəsində aradan qaldırılan çox zəif dalğalanmalar əslində aktiv bölgələrin yaranmasını əvvəlcədən müəyyən etmək üçün mühüm məlumat daşıyır. Kosovişev bunu “səs-küyün aradan qaldırılmasına” bənzədib. Adətən belə filtrasiya güclü və arzuolunmaz siqnalları zəiflədərək ümumi tendensiyanı daha aydın göstərir. Lakin bu araşdırmada məhz həmin zəif dəyişikliklərin proqnoz üçün əhəmiyyətli olduğu ortaya çıxıb.

Süni intellekt aktiv bölgələri təxminən 9 saat əvvəl müəyyən edib

Tədqiqatçılar EarlyDetect modelini NASA-nın SDO/HMI məlumatları əsasında öyrətdikdən sonra onu təlim məlumatlarına daxil edilməyən Günəş aktivliyi bölgələri üzərində sınaqdan keçiriblər. Modelin ən uğurlu versiyası yeni aktiv bölgələrin Günəşin görünən səthində meydana çıxmasından orta hesabla 9,24 saat əvvəl onların ilkin siqnallarını aşkarlayıb. Modelin nəticələri standart Transformer modeli və əvvəlki müqayisə üsulu ilə əldə edilən nəticələrdən daha yaxşı olub.

NJIT-in məlumat elmləri üzrə dosenti və layihənin rəhbəri Mengjia Xu bildirib ki, maşın öyrənməsi indiyədək Günəş fəallığının proqnozlaşdırılmasında geniş tətbiq olunmayıb. Onun sözlərinə görə, araşdırma qabaqcıl maşın öyrənməsi modellərinin gələcəkdə kosmik hava şəraitinin proqnozlaşdırılması üçün yeni imkanlar yarada biləcəyini göstərir.

Tədqiqatçılar əldə etdikləri məlumatları digər mütəxəssislərin istifadəsinə də açıq şəkildə təqdim ediblər. Onlar NASA-nın SDO məlumatları əsasında Solar Active Region Emergence Dataset (SolARED) adlı ictimai məlumat bazası hazırlayıblar. Bundan əlavə, müşahidələri araşdırmaq üçün Solar Active Region (SAR) Portal adlı interaktiv platforma yaradılıb. Tədqiqatçılar bildiriblər ki, bu, Günəşdə aktiv bölgələrin yaranması ilə bağlı hazırlanmış ilk ictimai məlumat bazasıdır və həm maşın öyrənməsi, həm də heliofizika sahəsində çalışan alimlərə yeni proqnozlaşdırma üsullarını hazırlamaq və sınaqdan keçirmək imkanı verə bilər.  Araşdırma 2025-ci ildə yaradılmış NJIT-in Qreys Hopper Süni İntellekt Tədqiqat İnstitutu tərəfindən dəstəklənən ilk layihələrdən biri olub. Layihəyə həmçinin NASA-nın heliofizika və kosmik hava tədqiqatları üzrə qrantları dəstək verib.

Bununla belə, alimlər EarlyDetect-in hazırda real vaxt rejimində işləyən operativ proqnoz sistemi olmadığını vurğulayırlar.

Model məlum aktiv bölgələrin yaranması ilə bağlı hadisələr əsasında öyrədilib və hələ də yanlış xəbərdarlıqlar verə və ya bəzi hallarda proqnozu gec təqdim edə bilər. Bundan başqa, Günəşdə aktiv bölgənin yaranmasının müəyyən edilməsi həmin ərazidə mütləq Günəş alışmasının və ya koronal kütlə atılmasının baş verəcəyi demək deyil. Aktiv bölgələrin bir çoxu heç bir böyük partlayış yaratmır. Bu səbəbdən modelin daha geniş sayda Günəş hadisəsi üzərində sınaqdan keçirilməsi və onun etibarlılığının əlavə araşdırmalarla yoxlanılması tələb olunur.

Tədqiqatçılar hesab edirlər ki, hazırkı nəticələr gələcəkdə Günəş fəallığının daha erkən proqnozlaşdırılması istiqamətində mühüm addım ola bilər. Əgər belə sistemlər gələcəkdə real vaxt rejimində etibarlı şəkildə işləyə bilsə, Günəşdə baş verən güclü fəallığın peyk rabitəsinə, elektrik şəbəkələrinə və digər texnoloji sistemlərə mümkün təsirlərinə qarşı əvvəlcədən tədbir görülməsinə kömək edə bilər.

mənbə: medicalxpress.com