_ Cercetătorii folosesc învățarea automată pentru a îmbunătăți previziuni meteorologice în spațiu

Există trei niveluri de severitate pentru furtunile spațiale: furtunile geomagnetice, furtunile cu radiații solare și întreruperile radio. Aceste furtuni produc efecte diferite asupra Pământului, inclusiv probleme legate de satelit, GPS, comunicații și rețeaua electrică, precum și pericole pentru sănătate pentru astronauți și pentru oamenii din zborurile la mare altitudine. Furtunile geomagnetice produc, de asemenea, frumoasele aurore care se observă în mod obișnuit în regiunile polare.

Din cauza potențialelor efecte negative ale furtunilor spațiale, cercetătorii au dezvoltat modele bazate pe fizică care prezic sistemul de curent auroral pe baza soarelui care vine. particule de vânt ejectate de la soare.

Până în acest moment, totuși, astfel de modele erau lente și necesitau un întreg supercomputer pentru a funcționa. Cercetătorii au creat acum un emulator bazat pe învățarea automată care imită mult mai rapid simulările sistemului de curent auroral bazate pe fizică și cu o putere de calcul mai mică.

Echipa a publicat rezultatele studiului lor în revista Space Weather.

"O simulare bazată pe fizică a sistemului de curent auroral este o opțiune pentru prognoza meteo spațială. Cu toate acestea, avem nevoie de un supercomputer desemnat pentru rularea simulării bazate pe fizică", a spus Ryuho Kataoka, primul autor al studiului. lucrare și profesor asociat la Institutul Național de Cercetare Polară și SOKENDAI, ambele din Tachikawa, Japonia.

„Unul dintre aceste modele este REPPU (REProduce Plasma Universe), care este un model binecunoscut și de încredere care reproduce sistemul de curent auroral. Odată ce am creat „emulatorul”, am putea obține rezultate similare folosind un laptop.”

Noul model de emulator, Surrogate Model for REPPU Auroral Ionosphere versiunea 2 (SMRAI2), este de un milion de ori mai rapid decât simularea bazată pe fizică și încorporează efecte sezoniere în modelarea sa.

Deși prognozele meteorologice solare nu pot schimba efectele radiației solare și ale particulelor vântului solar pe și în jurul Pământului, acestea pot ajuta comunitățile afectați de vremea solară se pregătesc pentru dificultățile și eșecurile de comunicare și limitează expunerea la radiații pentru astronauți și pasagerii aeronavelor la altitudine mare.

Sateliții, în special, sunt foarte sensibili la forța cauzată de furtunile magnetice. De fapt, 38 de sateliți comerciali au fost pierduți în februarie 2022 din cauza reintrării în atmosfera Pământului după o furtună magnetică moderată. Aceste furtuni magnetice sunt rezultatul unui transfer mare de energie de la vântul solar la magnetosfera Pământului.

Echipa de cercetare a folosit un model de învățare automată dependent de timp, numit rețea de stare echo (ESN) pentru a crea fizica- emulator de model de predicție bazat. Important este că ESN-urile sunt un tip de rețea neuronală recurentă concepută pentru a gestiona eficient datele secvențiale.

Studiul actual s-a îmbunătățit de fapt față de o versiune inițială a emulatorului bazat pe ESN, versiunea 1.0. Echipa a antrenat noul model de emulator, SMRAI2, folosind un ordin de mărime mai multe rezultate de simulare bazate pe fizică decât modelul original ver1.0.

„Produsul acestui studiu, SMRAI2, este primul exemplu de fizica aurorale care utilizează o tehnică de învățare automată pentru a emula ieșirea ionosferică a simulării globale magnetohidrodinamice (MHD) bazată pe fizică. Acumularea mai multor date de simulare MHD și utilizarea altor modele de învățare automată de ultimă oră ne va permite să actualizăm precizia predicțiilor în aproape viitor”, a spus Kataoka. Simulările MHD sunt concepute pentru a descrie comportamentul magnetosferei, unde vântul solar interacționează cu câmpul magnetic al Pământului.

Următorul pas pentru echipa de cercetare este să încorporeze emulatorul în rularea ansamblului de prognoză meteo spațială, care este un set de prognoze care oferă o serie de previziuni viitoare de vreme spațială. Scopul lor final este să folosească emulatorul, împreună cu multe seturi de date de observație, într-o prognoză de asimilare a datelor, care integrează rezultatul modelului și observațiile pentru a îmbunătăți acuratețea predicției.

(Fluierul)