NASA COFFIES usa inteligência artificial para prever regiões ativas no sol
Cientistas do projeto COFFIES da NASA desenvolveram um modelo de aprendizado de máquina que identifica padrões sutis na superfície solar, permitindo a detecção precoce de regiões que causam tempestades espaciais.
Um novo modelo de inteligência artificial da NASA consegue prever o surgimento de regiões ativas no Sol com até 12 horas de antecedência, um avanço crucial para a segurança espacial.
Modelo de aprendizado de máquina detecta surgimento de manchas solares com até 12 horas de antecedência, aprimorando a previsão do tempo espacial.
Aprimorando a previsão do tempo espacial
A NASA, por meio de sua iniciativa COFFIES (Consequence Of Fields and Flows in the Interior and Exterior of the Sun), desenvolveu um modelo inovador de inteligência artificial. Este avanço permite prever o surgimento de regiões ativas no Sol com até 12 horas de antecedência. A capacidade de antecipar essas formações é fundamental para a segurança de futuras explorações espaciais, incluindo missões à Lua e a Marte, onde as condições climáticas espaciais representam um risco significativo.
O Sol está em constante atividade, e concentrações intensas de campos magnéticos podem emergir subitamente em sua superfície, formando as chamadas manchas solares. Essas manchas são manifestações visíveis de regiões ativas, que são as principais fontes de eventos climáticos espaciais severos, como erupções solares e ejeções de massa coronal. Tais fenômenos liberam radiação de alta energia e partículas carregadas, capazes de gerar tempestades que afetam astronautas, desativam satélites e perturbam as comunicações de rádio na Terra.
O funcionamento da inteligência artificial
O modelo de IA foi criado por uma equipe multidisciplinar de astrofísicos e cientistas de dados, reunindo especialistas do New Jersey Institute of Technology (NJIT), da Princeton University e do Ames Research Center da NASA. Eles utilizaram dados do Observatório de Dinâmica Solar da agência e recursos de supercomputação do NASA Ames. A técnica analisa flutuações em ondas acústicas causadas por regiões de manchas solares enquanto estas se formam abaixo da superfície solar e iniciam sua ascensão.
Diferente de abordagens anteriores que examinavam toda a atividade solar de uma vez, este novo modelo emprega uma arquitetura de transformador de janela deslizante. Essa metodologia permite que o sistema se concentre em dados recentes, enquanto mantém a memória de padrões gerais ao longo do tempo. Ao identificar pequenas reduções na atividade acústica e no campo magnético do Sol, o modelo consegue detectar precursores de regiões ativas, sinais que antes eram difíceis de capturar, horas antes de se tornarem visíveis.
