این کشف در مطالعهای که در مجله تحقیقات ژئوفیزیکی: یادگیری و محاسبات ماشینی منتشر شده، گزارش شده است. این تحقیق که توسط NJIT با همکاری سایر دانشگاهها و مراکز تحقیقاتی آمریکایی رهبری میشود، از دادههای رصدخانه دینامیک خورشیدی ناسا (SDO) برای آموزش مدل برای تشخیص تغییرات ظریف در فعالیت میدان صوتی و مغناطیسی خورشید استفاده کرد - تغییراتی که مشاهده مستقیم آنها مدتها دشوار بوده است.
اهمیت این مدل در توانایی آن در تشخیص سیگنالهای اولیه مناطق فعال - مناطق بسیار مغناطیسی که لکههای خورشیدی در آنها تشکیل میشوند و شرارههای خورشیدی قدرتمند از آنها سرچشمه میگیرند - مدتها قبل از اینکه واقعاً روی سطح خورشید ظاهر شوند، نهفته است.
این تکنیک به تجزیه و تحلیل امواج صوتی متکی است که دائماً از خورشید عبور میکنند. میدانهای مغناطیسی در حال افزایش، ردپای ضعیفی روی این امواج به جا میگذارند که به گفته محقق، الکساندر کوزوویچ، شبیه به «تشخیص یک تغییر ظریف در ریتم در یک ارکستر بسیار پر سر و صدا» است.
این تیم مدل EarlyDetect را با استفاده از معماری Transformer طراحی کرد، همان فناوری که در مدلهای زبانی بزرگ مانند ChatGPT استفاده میشود، اما به جای متن، بر اساس الگوهای مشاهدات خورشیدی آموزش دیده است.
در طول توسعه این مدل، تیم تحقیق با یک غافلگیری غیرمنتظره مواجه شد. آنها از تکنیکی استفاده میکردند که مانند «فیلتر حذف نویز» عمل میکند تا به هوش مصنوعی کمک کند تا بر الگوهای مهم در دادههای خورشیدی تمرکز کند. با این حال، آنها متوجه شدند که این فیلتر به اشتباه سیگنالهای بسیار ضعیفی را … …
