美国国家航空航天局（National Aeronautics and Space Administration, NASA）和 IBM 公司发布了一款全新的开源机器学习模型，旨在帮助科学家更好地理解和预测太阳的物理现象与活动规律。这款名为 Surya 的模型，使用了 NASA 过去十余年的太阳观测数据进行训练，它将帮助科学家在危险的太阳耀斑可能袭击地球时，提前获得预警。 当太阳向太空中喷发能量和粒子时，就会发生太阳风暴。太阳风暴可产生太阳耀斑和移动较慢的日冕物质抛射（coronal mass ejections），这些现象会干扰无线电信号，导致卫星上的计算机数据位翻转，并以辐射爆发危及宇航员的安全。 虽然我们无法阻止这类事件的发生，但如果能够预测大型太阳耀斑的发生时间，人们就可以提前采取措施规避其影响。然而，正如瑞黎世联邦理工学院（ETH Zurich）的天体物理学家 Louise Harra 所说，“爆发的具体时间点始终是预测的症结所在。” 并未参与 Surya 项目研发的 Harra 表示，科学家通过太阳图像可以轻易判断近期是否会发生太阳耀斑，但要精确掌握其爆发的时间和强度则要困难得多。她指出，这是一个关键问题，因为耀斑的规模决定了其影响的严重程度——小规模的耀斑可能只是每隔几周造成区域性的无线电通信中断（尽管这已经具备破坏性），而一场毁灭性的超级太阳风暴则可能导致卫星脱离轨道、电网瘫痪。一些太阳科学家认为，我们早就该经历一场如此规模的超级太阳风暴了。 尽管机器学习技术此前已被用于研究太阳天气事件，但 Surya 背后的研究团队希望，他们所用数据的高质量和庞大规模，能帮助模型更准确地预测更多类型的事件。 该模型的训练数据来自 NASA 的太阳动力学天文台（Solar Dynamics Observatory, SDO）。该天文台能同时在多个不同波长的光线下捕捉太阳图像，由此构成了一个总计超过 250TB 的数据集。 Surya 的早期测试表明，它可以在某些太阳耀斑发生前两小时进行预测。领导 Surya 项目的 IBM 人工智能研究员 Juan Bernabe-Moreno 表示：“它能够预测太阳耀斑的形状、在太阳上的位置以及强度。” 尽管两个小时的预警时间可能不足以完全防范强耀斑的所有影响，但每一刻都至关重要。IBM 在一篇博客文章中声称，与现有最先进的方法相比，这可以将预警时间延长一倍之多，不过具体报告的提前时间各不相同。通过微调或添加其他数据等方式，这种预测能力还有可能进一步提升。 Harra 认为，像太阳耀斑这类事件背后的隐藏规律很难从地球上完全理解。她表示，尽管天体物理学家们清楚这些事件发生的条件，但仍不明白它们为何会在特定的时间点发生。“我们只知道那些微小的失稳过程确实发生了，但不知道它们何时会发生，”Harra 说。Surya 模型的潜力在于，它是否能比任何现有方法都更快地发现这些失稳过程背后的模式，从而为我们争取到额外的宝贵时间。 不过，Bernabe-Moreno 更看好该模型在太阳耀斑预测之外的潜力。他希望将 Surya 与他之前为 IBM 和 NASA 开发的地球天气预测模型结合使用，以更好地理解太阳风暴与地球天气之间的关联。他说：“例如，有证据表明太阳天气会影响闪电。我们需要探究的是，它们之间存在哪些交叉影响，以及一种天气对另一种天气的影响路径是怎样的？” 由于 Surya 是一个未经特定任务训练的基础模型，NASA 和 IBM 希望它能像 ChatGPT 这样的通用大语言模型可以处理多种不同任务一样，发现太阳物理学中的多种规律。他们相信，Surya 甚至可能帮助人类对其他天体的运行方式产生新的理解。
