Искусственный интеллект может предсказать солнечные вспышки

Несколько месяцев назад на Солнце появилось крупнейшее солнечное пятно, которое мы видели за последние 24 года. Это чудовищное пятно было заметно невооруженным глазом (то есть без приближения, но с защитными очками) и породило более сотни вспышек.   Количество пятен на Солнце меняется циклически каждые 11 лет, увеличиваясь и уменьшаясь. Прямо сейчас солнце находится в наиболее активной части этого цикла: мы ожидаем много пятен и много вспышек в ближайшие месяцы.

 Людей, как правило, пугает разрушительная сила солнечных вспышек — есть шанс, что однажды мощный взрыв на Солнце швырнет в нашу сторону тонну энергетических частиц и поджарит наши спутники связи. Но никто не задумывается о том, что мы можем предсказать такие вспышки, подобно погоде, а значит и предотвратить нанесение возможного ущерба. Но как же предсказать солнечную вспышку?

Один из способов заключается в использовании программ машинного обучения типа искусственного интеллекта, который автоматически извлекает данные из опыта. Эти алгоритмы постоянно улучшают свои математические модели, когда появляются новые данные. Но для того, чтобы хорошо обучаться, алгоритмы требуют больших объемов данных. Ученым не хватало данных о Солнце до 2010 года, пока не была запущена Обсерватория солнечной динамики (Solar Dynamics Observatory, SDO), наблюдающий за солнцем спутник, который отправляет каждый день порядка полутора терабайт данных на землю — больше, чем этот спутник, данных не отправлял ни один аппарат в истории NASA.

Солнечные вспышки, как известно, это сложный активный процесс. Они возникают в солнечной атмосфере над солнечными пятнами, расположенными на поверхности Солнца. Солнечные пятна, которые обычно приходят парами, действуют как стержневые магниты — одно пятно как северный полюс, другое как южный. Учитывая то, что на Солнце весьма много пятен, различные слои Солнца вращаются с разной скоростью, само Солнце обладает северным и южным полюсом, магнитное поле становится крайне насыщенным. В итоге появляются магнитные поля, скрученные как резинка, которые выпускают много энергии в процессе своего существования. Так появляется солнечная вспышка. Иногда скрученные поля не вспыхивают, иногда вспышки появляются из безобидных на вид пятен, иногда гигантские солнечные пятна ничего не производят.

Мы не знаем, как возникают солнечные вспышки с точки зрения физики. У нас есть — мы знаем, что вспышки обладают магнитной природой, — но мы не знаем, как они выпускают так много энергии с такой скоростью. В отсутствие окончательной физической теории, лучшая надежда для прогнозирования солнечных вспышек лежит в обработке наших гигантских массивов данных в поисках подсказок.

Есть два основных способа прогнозирования солнечных вспышек: численные модели и статистические модели. В первом случае мы берем за основу физику, которую знаем, составляем уравнения, запускаем их во времени и получаем прогноз. Во втором — мы используем статистику. Мы отвечаем на вопросы: какова вероятность того, что в активном регионе с гигантским солнечным пятном появится вспышка? А какова вероятность того, что это случится с маленьким пятном? В итоге появляются гигантские наборы данных, полные деталей: размеры солнечных пятен, сила магнитного поля. Затем ученые ищут связи между этими деталями и солнечными вспышками.

Алгоритмы машинного обучения могут положить этому конец. Мы используем алгоритмы машинного обучения везде. Биометрические часы используют их, чтобы разбудить нас, когда нужно нашему организму. Они лучше врачей предсказывают редкие генетические заболевания. Они определяют картины, которыми вдохновлялись ученые на протяжении всей истории. Ученые считают алгоритмы машинного обучения универсально полезными, поскольку они могут разбираться в нелинейных данных, а при больших массивах людям это практически невозможно сделать. Но очень много моделей нелинейны, поэтому такие алгоритмы все больше находят применение во всех сферах.

Ученые используют алгоритмы машинного обучения, чтобы предсказать солнечные вспышки, основываясь на гигантском наборе данных SDO. Для этого пришлось построить базу данных всех активных регионов, которые когда-либо наблюдала SDO. Поскольку это исторические данные, мы уже знаем, вспыхивали ли эти активные регионы или нет. Алгоритм обучения анализирует детали активных регионов — размеры солнечных пятен, силу связанных с ними магнитных полей, их скрученность — чтобы выявить общую характеристику активно вспыхивающего региона.

Чтобы сделать это, алгоритм начинает с предположения. Допустим, сначала он предполагает, что крошечное солнечное пятно со слабым магнитным полем породит гигантскую вспышку. Затем проверяет ответ. Упс, нет. Затем алгоритм перестраивает свое предположение. В следующий раз он уже по-другому зайдет. Методом проб и ошибок, с сотнями тысяч предположений и проверок, алгоритм постепенно повышает точность своих прогнозов. Его можно применять к данным в режиме реального времени, и он продолжает обучаться.

Продолжение работы в этом направлении обеспечит нас лучшим пониманием грядущих солнечных вспышек. Пока ученые показали, что алгоритмы машинного обучения лучше или, на худой конец, такие же, как и статистические или численные методы. И это круто, на самом деле. Такие алгоритмы, которые могут работать без участия людей, просто просматривая огромные массивы данных, будут бесконечно полезны — и чем дальше, тем больше — в самых разных сферах. Самое любопытное, что те же алгоритмы, которые делают прогнозы солнечных вспышек, могут работать и с генетическими заболеваниями и их определением.

А что, если данных будет больше? Кто знает. Хотя у нас уже много данных о Солнце — SDO работает уже четыре с половиной года — с тех пор было не так много солнечных вспышек. Потому что мы находимся в самом тихом солнечном цикле столетия. Есть резон продолжить сбор данных.