الذكاء الاصطناعي يخترق أعماق الشمس للتنبؤ بنشاطها قبل حدوثه

طوّر فريق بحثى بقيادة معهد نيوجيرسي للتكنولوجيا (NJIT) في الولايات المتحدة نموذجاً يعتمد على الذكاء الاصطناعي، يستطيع رصد إشارات خفية، تسبق ظهور المناطق النشطة على سطح الشمس بمتوسط يزيد على 9 ساعات، ما قد يحسّن الإنذار المبكر بظواهر الطقس الفضائي التي تؤثر في الأقمار الاصطناعية والاتصالات وشبكات الكهرباء.

وقال الباحثون إن النموذج، الذي يحمل اسم EarlyDetect، يبحث عن تغيرات دقيقة في النشاط الصوتي، والمجال المغناطيسي للشمس، قبل أن تصبح المنطقة النشطة مرئية بوضوح على سطحها.
شدد الباحثون على أن النظام لا يتنبأ بالتوهجات الشمسية، أو القذف الكتلي الإكليلي مباشرة، بل يتنبأ بظهور منطقة نشطة يمكن أن تنشأ منها مثل هذه الانفجارات، فكثير من المناطق النشطة لا تنتج عواصف شمسية كبيرة، كما أن النموذج لم يصبح بعد نظاماً تشغيلياً للتنبؤ في الوقت الحقيقي ، والمناطق النشطة هي مساحات شديدة المغناطيسية على الشمس تتشكل فيها البقع الشمسية ويمكن أن تكون منشأ لتوهجات وانفجارات قوية، ويستغرق ظهور المنطقة النشطة عدة ساعات، بينما قد يستمر تطورها الكامل من يوم إلى عدة أيام.
يستخدم العلماء ما يعرف باسم علم الزلازل الشمسية أو الهليوسيزمولوجي لدراسة هذه الاهتزازات بطريقة تشبه استخدام علماء الزلازل للموجات التي تمر داخل الأرض لاستنتاج ما يحدث تحت سطحها ، وقال الباحث الرئيسي للدراسة ألكسندر كوسوفيتش، إن المهمة تشبه محاولة اكتشاف "تغير طفيف في الإيقاع داخل أوركسترا شديدة الضوضاء"، إذ يبحث العلماء عن تحولات صغيرة للغاية في المجال المغناطيسي وأنماط الموجات الصوتية للشمس.

اعتمد الباحثون على بيانات مرصد ديناميات الشمس التابع لوكالة الفضاء الامريكية "ناسا" الذي يسجل قياسات مرتبطة بالموجات الشمسية كل 45 ثانية ويحلل نظام EarlyDetect خرائط لقوة النشاط الصوتي تنتج على فترات زمنية مدتها ساعة، إلى جانب قياسات المجال المغناطيسي، بحثاً عن أنماط تشير إلى أن منطقة نشطة في طريقها إلى الظهور.

يعتمد النموذج على بنية من معماريات الذكاء الاصطناعي تستخدم في نماذج اللغة الكبيرة، لكن بدلاً من تعلم العلاقات بين الكلمات في النصوص، يتعلم EarlyDetect العلاقات الزمنية والأنماط الموجودة في سلسلة من القياسات الشمسية ، وقال الباحثون إن EarlyDetect لا يزال يحتاج إلى الاختبار على عدد أكبر بكثير من الأحداث قبل الاعتماد عليه في التنبؤات التشغيلية، كما أنه ينتج أحياناً إنذارات كاذبة أو تنبؤات متأخرة.

إن الدراسة تمثل إثباتاً لإمكانية استخدام تقنيات التعلم الآلي للعثور على أنماط دقيقة قد يصعب تمييزها بالطرق التقليدية، أكثر مما تمثل نظاماً جاهزاً لتحذير الأرض من عاصفة شمسية وشيكة ، وأتاح الباحثون مجموعة بيانات جديدة تضم أرصاداً لمناطق شمسية نشطة مأخوذة من بيانات مرصد "ناسا"، إلى جانب منصة تفاعلية لاستكشاف تلك المعلومات، بهدف مساعدة باحثين آخرين على تطوير واختبار نماذج جديدة ، وقالت الباحثة المشاركة في الدراسة مينجيا شو إن توفير البيانات يمكن أن يساعد في الجمع بين مجتمعي أبحاث الذكاء الاصطناعي وفيزياء الشمس لتطوير أدوات أفضل للتنبؤ بالطقس الفضائي .