📢 Gate广场独家活动: #PUBLIC创作大赛# 正式开启!
参与 Gate Launchpool 第 297 期 — PublicAI (PUBLIC),并在 Gate广场发布你的原创内容,即有机会瓜分 4,000 枚 $PUBLIC 奖励池!
🎨 活动时间
2025年8月18日 10:00 – 2025年8月22日 16:00 (UTC)
📌 参与方式
在 Gate广场发布与 PublicAI (PUBLIC) 或当前 Launchpool 活动相关的原创内容
内容需不少于 100 字(可为分析、教程、创意图文、测评等)
添加话题: #PUBLIC创作大赛#
帖子需附带 Launchpool 参与截图(如质押记录、领取页面等)
🏆 奖励设置(总计 4,000 枚 $PUBLIC)
🥇 一等奖(1名):1,500 $PUBLIC
🥈 二等奖(3名):每人 500 $PUBLIC
🥉 三等奖(5名):每人 200 $PUBLIC
📋 评选标准
内容质量(相关性、清晰度、创意性)
互动热度(点赞、评论)
含有 Launchpool 参与截图的帖子将优先考虑
📄 注意事项
所有内容须为原创,严禁抄袭或虚假互动
获奖用户需完成 Gate广场实名认证
Gate 保留本次活动的最终解释权
IBM和NASA开源Surya AI以加速预测有害的太阳风暴
简要概述
IBM研究院和NASA推出了Surya,一个开源AI,利用九年的高分辨率SDO图像预测太阳耀斑,速度更快且准确率提高了16%。
SDO(卫星不断监测太阳,以提高对太阳活动的理解,但它所收集的许多数据仍然未被探索。当SDO发射时,人工智能工具仍处于早期阶段,限制了对持续图像流的全面分析能力。
Surya被描述为太阳物理学的第一个基础模型,填补了这一空白。通过处理来自SDO的原始数据,IBM、NASA及其他八个研究中心的研究人员开发了一种能够预测可能影响空间和地球系统的危险太阳事件的人工智能模型。
以梵语中“太阳”的含义命名的Surya现在可以在Hugging Face、GitHub以及IBM的TerraTorch库中公开获取,用于微调地理空间AI模型。与Surya一起,团队还发布了SuryaBench,一套策划的数据集和基准,旨在促进不仅用于空间天气预测的应用开发和评估,还包括更广泛的太阳研究。
预测地球上的严重风暴已经具有挑战性,而预测太阳风暴则增加了额外的复杂性。太阳耀斑通过太阳的磁场爆发,这些事件发出的光大约需要八分钟才能到达地球。这种延迟凸显了需要预测模型,以便在太阳活动影响宇航员、卫星和地球基础设施之前提供早期警告。
Surya AI 通过增强的太阳耀斑预测和磁场映射推进日球层预报
IBM的Surya计划反映了一个更大的战略,即采用生成性和自动化的方法,使算法能够在规模上进行开发、测试和完善。该项目展示了IBM对人工智能的看法,不仅仅是一个工具,也是科学探索的贡献者和推动者。
太阳动力学观测台)SDO(与地球保持同步轨道,以提供对太阳的持续观察,每12秒捕捉一次图像,覆盖多个波长带。这些图像揭示了太阳各层的温度变化,表面约为5,500°C,而在日冕,太阳大气的最外层,温度接近200万°C。此外,SDO还绘制了太阳的磁活动,捕捉到白光中的新出现太阳黑子,测量表面等离子体气泡的速度,并跟踪磁场线的扭曲和缠绕。
为了训练Surya,研究人员使用了九年的SDO数据,首先对各种数据类型进行了协调,然后实验了AI架构以处理这些信息。最终模型使用了长短期视觉变换器和谱门控机制,使其能够处理SDO的高分辨率4096 x 4096像素图像,这些图像的细节最多比典型图像数据多十倍。谱门控还减少了大约5%的内存使用,并帮助过滤了数据集中的噪声。
与之前使用Prithvi的工作相比,模型重建了部分被遮挡的地球卫星图像,Surya被训练来预测SDO在未来一个小时内将观察到的内容,基于连续的图像。然后将预测与实际观测进行比较以测量准确性。通过要求模型推断诸如太阳几何、磁结构和差异旋转等基本要素,研究人员旨在为Surya准备多种科学应用。最初,团队试图明确编码太阳在赤道的更快旋转与其两极的对比,但让模型从数据中学习这种行为被证明更有效,导致性能更佳。
Surya展示了强大的预测能力,包括太阳耀斑预测。目前的方法允许科学家提前一个小时预测耀斑,而Surya通过视觉数据实现了两个小时的提前时间。早期测试还表明,太阳耀斑分类准确率提高了16%,这代表了比现有技术显著的进步,并可能使Surya成为第一个能够提供这种提前预警的模型。
Surya 和 SuryaBench 实现了基于人工智能的太阳活动和空间天气影响的预测
Surya 和 SuryaBench 旨在使以 AI 为驱动的太阳研究对没有深厚人工智能专业知识的科学家更为可及。SuryaBench 提供了针对关键空间天气预测任务的策划数据集和基准,包括预测太阳耀斑、预测太阳风速以及分析太阳日冕的磁结构。这些工具还解决了长期存在的问题,例如为什么太阳风在太阳较安静的阶段会增强。
这些数据集专注于太阳的活动区域,即其表面上的暗斑,磁能在这些地方积聚,并且太阳耀斑和日冕物质抛射等喷发事件起源于此。这些事件可能会与地球的磁场相互作用,干扰卫星、通信和电力系统。通过对这些数据训练人工智能模型,Surya能够提前数小时预测太阳活动,从而提高对太空天气危害的预警能力。
SuryaBench 包括用于检测极端紫外线辐射和监测太阳大气中磁线积累的应用,这可能加速太阳风达到潜在的破坏性速度。通过整合这些信息,科学家可以更好地预测太阳活动对地球的影响,包括对卫星、电网和通信基础设施的影响。
Surya和SuryaBench共同提供了一种新的基于人工智能的框架,用于理解和预测太阳现象,提供更快速、更准确的潜在危险太阳事件的预测,并为研究人员提供工具,以主动应对空间天气威胁。