La nueva y audaz IA de IBM y la NASA predice bengalas solares que podrían aplastar satélites, destripar redes y arruinar la tecnología global
- Los científicos esperan que Surya extraiga ideas de los complejos procesos magnéticos del sol
- Los investigadores procesaron nueve años de imágenes del Observatorio de Dinámica Solar
- Surya logró una mejora del 16% en la precisión de la clasificación de la bengala
IBM y la NASA han introducido Surya, el primer modelo de base de código abierto para la física solar.
IBM Dice que el modelo de IA, cuyo nombre proviene de la palabra sánscrita para el sol, está entrenado para pronosticar actividad solar, como bengalas y tormentas que pueden interrumpir satélites, sistemas de navegación y redes eléctricas.
Se ha puesto a disposición a través de Hugging Face, GitHub y la Biblioteca Terratorch de IBM, junto con una colección de conjuntos de datos llamada Suryabench.
Desde datos de la Tierra hasta pronósticos solares
El proyecto se produce a medida que la dependencia de la tecnología espacial se expande, desde la aviación y la comunicación hasta las futuras misiones de espacio profundo.
La predicción del clima solar sigue siendo una tarea difícil, dado que estos eventos se originan a millones de millas de distancia en un cuerpo cuya física todavía solo se entiende en parte.
“Hemos estado en este viaje de impulsar los límites de la tecnología con la NASA desde 2023, ofreciendo modelos de IA fundamentales pioneros para obtener una comprensión sin precedentes de nuestro planeta Tierra”, dijo Juan Bernabé-Moreno, director de IBM a cargo de la colaboración científica con la NASA.
“Con Surya hemos creado el primer modelo de base para mirar el sol a los ojos y pronosticar sus estados de ánimo”.
Esta colaboración sigue el trabajo anterior de IBM y la NASA en modelos impulsados por la IA para la predicción de la Tierra y el Meteorato, lo que condujo al desarrollo del modelo Prithvi que analizó los datos satelitales para ayudar a los estudios de clima y sistemas atmosféricos.
Con Surya, están intentando algo similar para el sol, convirtiendo años de imágenes solares de alta resolución del Observatorio de Dinámica Solar de la NASA en una especie de gemelo digital.
Los científicos esperan que el modelo permita pronósticos que van más allá de si ocurrirá una llamarada.
Los primeros informes sugieren que Surya puede generar predicciones visuales de alta resolución de bengalas hasta dos horas antes de que ocurran, duplicando el tiempo de entrega de los métodos tradicionales.
Eso significaría un tiempo de preparación adicional para los astronautas y operadores de infraestructura crítica en la Tierra.
Para construir Surya, los investigadores procesaron nueve años de imágenes del Observatorio Solar Dynamics, que captura el sol cada 12 segundos en múltiples longitudes de onda.
Emplearon un transformador de visión a largo plazo con activación espectral para administrar la inmensa carga de datos.
El modelo fue entrenado no solo para analizar las condiciones actuales, sino para inferir cómo se verían las observaciones futuras, probando su precisión contra datos reales.
“Queremos darle a la Tierra el tiempo de entrega más largo posible”, dijo Andrés Muñoz-Jaramillo, físico solar en el Southwest Research Institute y científico principal en el proyecto.
“Nuestra esperanza es que el modelo haya aprendido todos los procesos críticos detrás de la evolución de nuestra estrella a través del tiempo para que podamos extraer ideas procesables”.
Como otro modelos de idiomas grandes y Herramientas AISurya plantea preguntas sobre si sus resultados deben tratarse como descubrimiento o aumento de la experiencia humana.
Sin embargo, sus patrocinadores enfatizan la automatización y la eficiencia, señalando una mejora reclamada del 16% en la precisión de clasificación de la bengala.
Aún así, el pronóstico sigue lejos de ser segura, ya que la actividad del sol involucra muchos procesos que siguen siendo poco conocidos.
Si bien Surya se describe como un paso hacia una mejor anticipación de las amenazas solares, los investigadores tienen cuidado de no presentarlo como una respuesta final.
En cambio, lo enmarcan como un puente que puede ayudar a los científicos a trabajar con datos masivos de manera más efectiva.
Como con cualquiera Escritor de IA o LLM, sus predicciones están limitadas por los datos en los que ha sido entrenado y los supuestos integrados en su diseño.
