न्यू जर्सी इंस्टीट्यूट ऑफ टेक्नोलॉजी (NJIT) के शोधकर्ताओं ने एक नई आर्टिफिशियल इंटेलिजेंस प्रणाली विकसित की है जो सूर्य की सतह पर दिखाई देने से पहले ही सक्रिय क्षेत्रों के निर्माण के सूक्ष्म संकेतों का पता लगाने में सक्षम है। अर्लीडिटेक्ट नामक यह मॉडल औसतन 9.24 घंटे पहले इस उद्भव की भविष्यवाणी करने में सफल रहा।
जर्नल ऑफ जियोफिजिकल रिसर्च: मशीन लर्निंग एंड कंप्यूटेशन में प्रकाशित इस अध्ययन से पता चलता है कि ध्वनिक तरंगों और चुंबकीय क्षेत्र में परिवर्तन इन संरचनाओं की उत्पत्ति का संकेत दे सकते हैं। कुछ सक्रिय क्षेत्र संभावित रूप से सौर ज्वालाओं का कारण बन सकते हैं।
सक्रिय क्षेत्र मजबूत चुंबकीय गतिविधि वाले क्षेत्र होते हैं जहाँ सौर धब्बे उत्पन्न होते हैं। उनके बनने में समय लगता है, जो कुछ घंटों में शुरू होता है और पूरी अवस्था तक पहुंचने में एक या कई दिनों तक खिंच सकता है।
हालांकि, इससे पहले कि ये संरचनाएं दिखाई दें, वे निशान छोड़ती हैं। जैसे-जैसे सूर्य के भीतर चुंबकीय क्षेत्र आगे बढ़ते हैं, वे खगोलीय पिंड से गुजरने वाली ध्वनिक तरंगों में मामूली बदलाव लाते हैं। अर्लीडिटेक्ट इन्हीं सूक्ष्म संकेतों की तलाश करता है।
यह मॉडल नासा के सोलर डायनेमिक्स ऑब्जर्वेटरी (SDO) से एकत्र किए गए ध्वनिक शक्ति के प्रति घंटा मानचित्रों और चुंबकीय क्षेत्र डेटा का विश्लेषण करता है। ध्वनिक जानकारी हेलियोसिस्मिक एंड मैग्नेटिक इमेजर (HMI) उपकरण से आती है, जो हर 45 सेकंड में अवलोकन दर्ज करता है।
मुख्य कार्य सूर्य पर लगातार चलने वाले चुंबकीय क्षेत्र और ध्वनिक तरंग पैटर्न में अत्यंत छोटे परिवर्तनों का पता लगाना है। इसकी तुलना बहुत शोरगुल वाले ऑर्केस्ट्रा में लय में एक छोटे बदलाव को खोजने से की जा सकती है।
NJIT के भौतिकी प्रोफेसर और परियोजना के मुख्य सह-शोधकर्ता, अलेक्जेंडर कोसोविचिव ने बताया कि अर्लीडिटेक्ट ट्रांसफार्मर आर्किटेक्चर का उपयोग करता है, जो बड़े भाषा मॉडल में उपयोग की जाने वाली ही तकनीक है। हालांकि, शब्दों को संसाधित करने के बजाय, एआई सूर्य के अवलोकनों में पाए गए पैटर्न को पहचानने के लिए प्रशिक्षित होता है।
इस प्रक्रिया के दौरान एक अप्रत्याशित बात सामने आई: डेटा को पैटर्न की पहचान में आसान बनाने के लिए उपयोग किया जाने वाला फ़िल्टर परिणामों को खराब कर रहा था। जैसा कि कोसोविचिव ने समझाया, शुरू में उम्मीद थी कि फ़िल्टर उपयोगी अल्पकालिक पैटर्न को उजागर करने में मदद करेगा, लेकिन इसके बजाय इसने उन कमजोर उतार-चढ़ावों को हटा दिया जो सबसे शुरुआती चेतावनी प्रदान करते थे।
SDO/HMI डेटा पर प्रशिक्षण के बाद, अर्लीडिटेक्ट का परीक्षण उन सक्रिय क्षेत्रों पर किया गया जो पहले उपयोग नहीं किए गए थे। सर्वश्रेष्ठ प्रदर्शन वाले संस्करण ने औसतन 9.24 घंटे पहले अग्रदूतों का पता लगाया, इससे पहले कि ये संरचनाएं दिखाई दें। यह परिणाम पारंपरिक ट्रांसफार्मर और पिछले बेंचमार्क दृष्टिकोण के प्रदर्शन से बेहतर था।
टीम ने SDO अवलोकनों के आधार पर सोलर एक्टिव रीजन इमर्जेंस डेटासेट (SolARED) का एक ओपन डेटासेट बनाया, साथ ही इन डेटा का अध्ययन करने के लिए सोलर एक्टिव रीजन (SAR) पोर्टल भी बनाया।
फिलहाल, यह प्रणाली वास्तविक समय में पूर्वानुमान लगाने के लिए तैयार नहीं है, क्योंकि अभी भी झूठे अलार्म और ऐसे मामले मौजूद हैं जब सूचना बहुत देर से आती है। इसके अलावा, मॉडल यह गारंटी नहीं देता है कि कोई विस्फोट होगा; कई सक्रिय क्षेत्र कभी भी कोरोनल मास इजेक्शन जैसी बड़ी घटनाओं का कारण नहीं बनते हैं। शोधकर्ता अंतरिक्ष मौसम की भविष्यवाणी के लिए इसे परिचालन उपकरण में बदलने से पहले अधिक सौर घटनाओं पर दृष्टिकोण का परीक्षण करने की योजना बना रहे हैं।
