Postoje tri nivoa ozbiljnosti za svemirske oluje: geomagnetne oluje, oluje solarnog zračenja i radio-zamračenja. Ove oluje proizvode različite efekte na Zemlju, uključujući probleme sa satelitom, GPS-om, komunikacijama i električnom mrežom, kao i zdravstvene opasnosti za astronaute i ljude na letovima na velikim visinama. Geomagnetne oluje takođe proizvode prelepe aurore koje se obično primećuju u polarnim regionima.
Zbog potencijalnih negativnih efekata svemirskih oluja, istraživači su razvili modele zasnovane na fizici koji predviđaju sistem auroralnih struja na osnovu dolaznih čestica solarnog vetra izbačenih sa Sunca.
Međutim, do ove tačke, takvi modeli su bili spori i zahtevali su ceo superkompjuter za rad. Istraživači su sada kreirali emulator zasnovan na mašinskom učenju koji oponaša simulacije sistema auroralne struje zasnovane na fizici mnogo brže i sa manje računarske snage.
Tim je objavio rezultate svoje studije u časopisu Svemirsko vreme.
„Simulacija sistema auroralne struje zasnovana na fizici je opcija za prognozu vremena u svemiru. Međutim, potreban nam je određeni superkompjuter za pokretanje simulacije zasnovane na fizici“, rekao je Riuho Kataoka, prvi autor rada i vanredni profesor na Nacionalni institut za polarna istraživanja i SOKENDAI, oba u Tačikavi, Japan.
„Jedan od ovih modela je REPPU (REProduce Plasma Universe), koji je dobro poznat i pouzdan model koji reprodukuje sistem auroralne struje. Kada smo napravili ’emulator’, mogli bismo da dobijemo slične rezultate koristeći laptop računar.“
Novi model emulatora, Surogate Model za REPPU Auroral Ionosphere verziju 2 (SMRAI2), je milion puta brži od simulacije zasnovane na fizici i uključuje sezonske efekte u svoje modeliranje.
Dok prognoze solarnog vremena ne mogu da promene efekte sunčevog zračenja i čestica sunčevog vetra na i oko Zemlje, one mogu pomoći zajednicama pogođenim solarnim vremenom da se pripreme za poteškoće u komunikaciji i kvarove i ograniče izloženost radijaciji za astronaute i putnike u avionima na velikim visinama.
Sateliti su posebno veoma osetljivi na otpor izazvan magnetnim olujama. U stvari, 38 komercijalnih satelita je izgubljeno u februaru 2022. zbog ponovnog ulaska u Zemljinu atmosferu nakon umerene magnetne oluje. Ove magnetne oluje su rezultat velikog prenosa energije od solarnog vetra do Zemljine magnetosfere.
Istraživački tim je koristio vremenski zavisan model mašinskog učenja nazvan mreža eho stanja (ESN) da bi kreirao emulator modela predviđanja zasnovanog na fizici. Važno je da su ESN tip rekurentne neuronske mreže dizajniran da efikasno rukuje sekvencijalnim podacima.
Trenutna studija je zapravo poboljšala početnu verziju emulatora zasnovanog na ESN-u, ver1.0. Tim je obučio novi model emulatora, SMRAI2, koristeći red veličine više izlaza simulacije zasnovanih na fizici od originalnog modela ver1.0.
„Proizvod ove studije, SMRAI2, je prvi primer auroralne fizike koji koristi tehniku mašinskog učenja za emulaciju jonosferskog izlaza globalne magnetohidrodinamičke (MHD) simulacije zasnovane na fizici. Akumulacija više podataka MHD simulacije i korišćenje drugih najsavremenijih modeli mašinskog učenja će nam omogućiti da ažuriramo tačnost predviđanja u bliskoj budućnosti“, rekao je Kataoka. MHD simulacije su dizajnirane da opišu ponašanje magnetosfere, gde solarni vetar stupa u interakciju sa magnetnim poljem Zemlje.
Sledeći korak za istraživački tim je da ugradi emulator u vođenje ansambl vremenske prognoze u svemiru, što je skup prognoza koji nudi niz budućih predviđanja svemirskog vremena. Njihov krajnji cilj je da koriste emulator, zajedno sa mnogim skupovima podataka posmatranja, u prognozi asimilacije podataka, koja integriše izlaz modela i zapažanja radi poboljšanja tačnosti predviđanja.
