IBM公司今日宣布与美国国家航空航天局(NASA)的专家合作,开发了一个能够提前预警太阳耀斑和日冕物质抛射的人工智能模型,这些太阳活动可能对地球生活造成严重干扰。
这个名为Surya的新开源模型以梵语"太阳"命名,现已在Hugging Face平台上线。IBM表示,该模型专门用于解析高分辨率太阳图像,预测太空天气状况,帮助保护低地轨道卫星、电网、通信系统和其他可能受到强太阳耀斑严重影响的基础设施。
科学家们深知太阳耀斑的破坏力。尽管太阳距离地球约9300万英里,但此类事件仍可击毁卫星、干扰航空导航、使电网瘫痪,并对在轨宇航员构成重大辐射威胁。
虽然这些事件较为罕见,但确实会发生。最著名的例子是1859年9月的"卡林顿事件"——一次由强烈日冕物质抛射引发的大规模太阳风暴。英国天文学家理查德·卡林顿在事件发生前17小时观测到了这次耀斑,随后在远至加勒比海的地区都能看到壮观的极光。
这次事件导致全球电报系统严重中断,操作员遭受电击,设备起火。甚至有报告称,两名电报操作员关闭了系统,但由于极光在大气中产生的电流,他们仍能相互通信。
劳埃德保险公司的一项研究显示,如果今天发生类似事件,可能对电网、卫星和通信系统造成广泛损害,经济损失预计约2.4万亿美元。
近年来已有多次险情。1921年和1938年较轻的太阳风暴袭击地球,造成大规模无线电中断;1989年3月的地磁风暴使加拿大魁北克省大部分地区的电网瘫痪。2012年7月发生了另一次"卡林顿级"太阳风暴,但其轨迹仅以九天的时间差错过了地球。
随着人类对太空技术的依赖日益加深,对太阳系的进一步探索也在推进,准确预测太阳行为变得至关重要,这正是Surya的设计目标。如果专家能准确预测太阳耀斑,就可能及时关闭高风险基础设施系统,避免损害。
目前的太阳天气预测依赖于卫星对太阳表面的部分观测,但Surya在此基础上有了显著改进。它基于世界上最大、分辨率最高的太阳物理数据集进行训练,该数据集专为帮助研究人员研究和评估太空天气预测任务而创建。Surya接受训练的示例任务包括太阳耀斑预测、太阳极紫外光谱预测、太阳风速度以及太阳表面活跃区域的出现。
IBM和NASA的研究人员表示,早期测试显示Surya在太阳耀斑分类准确性方面提高了16%。他们计划继续训练该模型,首次实现太阳耀斑的视觉预测,目标是在此类事件发生前两小时提供预警。
IBM欧洲研究院主任胡安·贝尔纳贝-莫雷诺表示,Surya将为太阳提供天气预报。"正如我们为应对危险天气事件做准备一样,我们也需要为太阳风暴做同样的准备,"他解释道。"Surya为我们提供了前所未有的预判能力,这不仅是一项技术成就,更是保护我们的技术文明免受养育我们的恒星伤害的关键一步。"
据报道,Surya基于NASA太阳动力学观测站九年多的高分辨率太阳观测数据进行训练。这些图像比典型AI训练图像大约10倍,因此IBM必须开发定制的多架构系统来处理增强的空间分辨率。这对于以足够的细节和背景分辨太阳特征、理解正在发生的情况是必需的。
NASA首席科学官凯文·墨菲表示,该机构深厚的科学专业知识与强大AI的结合对数据驱动科学极具前景。"通过开发基于NASA太阳物理数据训练的基础模型,我们能够以前所未有的速度和精度分析太阳行为的复杂性,"他说。"该模型有助于更广泛地理解太阳活动如何影响我们在地球上都依赖的关键系统和技术。"
星座研究公司的霍尔格·穆勒表示,该模型很好地展示了AI不仅仅是替代人类,而是完成大多数人无法胜任的工作。"世界上很少有人具备尝试预测太阳天气的技能,所以AI改变了这一动态,"这位分析师说。
此外,穆勒表示IBM与NASA的合作展示了组织如何携手持续推进AI发展。"我们有一个拥有所有数据的合作伙伴,另一个则具备构建模型的专业知识和系统,我们将在所有领域看到更多此类合作。"
Surya只是IBM与NASA长期合作的最新举措。两年前,他们合作创建了一个旨在前所未有规模分析地理空间卫星图像的AI模型。它是Prithvi系列中最强大的模型之一,专注于预测地球上的风险,如洪水和野火。像Surya一样,它也是开源的,在Hugging Face上供更广泛的研究社区使用。
去年,IBM和NASA发布了第二个Prithvi模型,旨在提供短期和长期天气预测并预报气候变化。
Q&A
Q1:Surya AI模型有什么特殊功能?
A:Surya是IBM和NASA联合开发的开源AI模型,专门用于解析高分辨率太阳图像,预测太空天气状况。它能够预警太阳耀斑和日冕物质抛射,帮助保护卫星、电网、通信系统等基础设施免受太阳风暴影响,目标是在太阳耀斑发生前两小时提供预警。
Q2:卡林顿事件是什么?为什么要预防类似事件?
A:卡林顿事件是1859年9月发生的大规模太阳风暴,由强烈日冕物质抛射引发,导致全球电报系统严重中断。劳埃德保险公司研究显示,如果今天发生类似事件,可能对电网、卫星和通信系统造成广泛损害,经济损失预计约2.4万亿美元。
Q3:Surya相比现有太阳天气预测有什么改进?
A:目前的太阳天气预测依赖卫星对太阳表面的部分观测,而Surya基于世界上最大、分辨率最高的太阳物理数据集训练,使用了NASA太阳动力学观测站九年多的高分辨率数据。早期测试显示Surya在太阳耀斑分类准确性方面提高了16%。
好文章,需要你的鼓励
随着谷歌搜索和亚马逊主页在电商领域影响力下降,AI助手如ChatGPT、Claude等成为消费者新的购物入口。品牌必须掌握生成式引擎优化(GEO)技术才能保持可见性。传统SEO策略已失效,AI系统更青睐结构化、问答式的高质量内容。研究显示,来自AI助手的流量转化率比其他渠道高9倍。品牌需要基于真实客户问题创建内容,采用结构化问答格式,并建立信任度,才能在这个新的电商秩序中脱颖而出。
斯坦福大学研究发现,主要用英语训练的大型语言模型竟能自发学会处理其他语言任务,无需明确教学。这种跨语言迁移能力随模型规模增大而显著提升,通过形成"通用语义空间"实现不同语言间的知识迁移。研究为降低多语言AI开发成本、支持资源稀缺语言提供了新途径,但仍面临性能不均衡、文化适应性等挑战。
2025年第一季度网络攻击激增126%,英国新法案要求数据中心强制报告网络安全事件。现代威胁已演变为同时攻击IT和OT系统,而许多数据中心的备用电源系统仍使用90年代的过时技术。电池储能系统(BESS)通过分布式架构、加密通信和自主运行能力提供网络弹性防护。BESS即服务模式将网络安全维护转移给专业提供商,同时通过需求响应和能源套利创造收益。随着全球法规要求将网络安全与能源安全相结合,数据中心需要现代化基础设施来应对日益严峻的威胁环境。
阿姆斯特丹大学与Salesforce合作开发的奖励引导推测解码(RSD)技术,通过让小模型处理简单任务、大模型解决复杂问题的智能分工,在保持推理准确率的同时大幅提升计算效率。该技术在数学推理等任务中表现出色,计算量最多可减少75%,为AI应用的普及和成本降低提供了重要技术支撑。