EarlyDetect AI: सूर्य पर तूफान के संकेत 9 घंटे पहले पकड़ने वाला नया AI मॉडल

जब चुंबकीय क्षेत्र सूर्य की सतह की ओर बढ़ते हैं, तो वे ध्वनिक तरंगों में हल्की छाप छोड़ते हैं। पहले ध्वनिक शक्ति में गिरावट आती है - जो सक्रिय क्षेत्र के उभरने का शुरुआती संकेत है - और उसके बाद जैसे-जैसे क्षेत्र दिखाई देने लगता है, वैसे-वैसे निरंतर तीव्रता (continuum intensity) और चुंबकीय क्षेत्र में बदलाव होता है । मॉडल एक स्लाइडिंग-विंडो (sliding-window) दृष्टिकोण का इस्तेमाल करके इन अस्थायी श्रृंखलाओं का विश्लेषण करता है और सनस्पॉट दिखने से पहले ही सूर्य के दोलनों में हो रहे सूक्ष्म बदलावों को पकड़ लेता है ।

शोधकर्ता इस चुनौती को "एक बहुत शोरगुल वाले ऑर्केस्ट्रा में लय के एक मामूली बदलाव का पता लगाने जैसा" बताते हैं । सक्रिय क्षेत्र सूर्य की दिखाई देने वाली सतह के नीचे विकसित होने लगते हैं, इसलिए मॉडल को सूर्य की निरंतर गतिविधियों के बीच चुंबकीय क्षेत्र और ध्वनिक तरंग पैटर्न में बहुत छोटे बदलावों को पहचानना होता है।

वो फिल्टर जिसने काम बिगाड़ दिया

शोध के दौरान सबसे शिक्षाप्रद निष्कर्षों में से एक एक अनपेक्षित विफलता था। टीम ने शुरू में एक फ़िल्टरिंग तकनीक लागू की थी जो AI को महत्वपूर्ण पैटर्न पहचानने में मदद करने वाली थी - लेकिन इसने वास्तव में प्रदर्शन को खराब कर दिया ।

सह-प्रमुख अन्वेषक अलेक्जेंडर कोसोविचेव ने कहा, "हमें शुरू में उम्मीद थी कि यह उपयोगी छोटी समय-सीमा के पैटर्न को अलग करने में मदद करेगा। इसके बजाय, इसने उन बहुत हल्के उतार-चढ़ावों का औसत निकाल दिया जो सबसे प्रारंभिक चेतावनी प्रदान करते थे।" मुख्य लेखक जोनास तिरोना ने बताया कि फिल्टर "लगभग हर मामले में हानिकारक" था - इसने वास्तव में उन्हीं संकेतों को हटा दिया जिनकी मॉडल को सक्रिय क्षेत्र के उभरने का पूर्वानुमान लगाने के लिए आवश्यकता थी ।

यह उल्टा परिणाम दिखाता है कि हेलियोफिजिक्स के लिए AI मॉडल कभी-कभी उम्मीद से बिल्कुल अलग व्यवहार कर सकते हैं, और इसलिए हर प्रीप्रोसेसिंग चरण का सावधानीपूर्वक अनुभवजन्य सत्यापन जरूरी है।

मानक प्रदर्शन और महत्वपूर्ण सीमाएं

EarlyDetect के सर्वश्रेष्ठ प्रदर्शन करने वाले संस्करण ने रूट मीन स्क्वायर एरर (RMSE) में पिछले LSTM आधारित मॉडल की तुलना में 10.6% सुधार हासिल किया । इसने मानक ट्रांसफॉर्मर मॉडल और पिछले बेंचमार्क तरीकों से बेहतर प्रदर्शन किया ।

शोधकर्ताओं ने कई महत्वपूर्ण सीमाओं पर जोर दिया जो व्यावहारिक अंतरिक्ष मौसम अनुप्रयोगों के लिए बेहद अहम हैं:

• झूठे अलार्म (False alarms): मॉडल कभी-कभी सक्रिय क्षेत्र के उभरने की भविष्यवाणी कर देता है, जो वास्तव में होता नहीं है ।
• देरी से भविष्यवाणी (Late predictions): सभी सक्रिय क्षेत्रों का पता पर्याप्त समय पर नहीं लग पाता ।
• विस्फोट की कोई गारंटी नहीं: किसी सक्रिय क्षेत्र का पता लगने का यह मतलब नहीं है कि वहाँ ज्वाला या कोरोनल मास इजेक्शन होगा - मॉडल सिर्फ क्षेत्र के उभरने का अनुमान लगाता है, उसके बाद की विस्फोटक गतिविधि का नहीं ।

भविष्य के शोध के लिए सार्वजनिक डेटासेट

इस क्षेत्र में शोध को गति देने के लिए, टीम ने SolARED (Solar Active Region Emergence Dataset) जारी किया है। यह SDO/HMI से प्राप्त डॉपलर वेग, चुंबकीय क्षेत्र और निरंतर तीव्रता के पूर्ण-डिस्क मानचित्रों से तैयार किया गया एक मशीन लर्निंग-रेडी डेटासेट है । इसमें ध्वनिक शक्ति और अन्य भौतिक मापदंडों के विकास को दर्शाने वाला डेटा शामिल है । यह डेटा एक समर्पित पोर्टल के माध्यम से सार्वजनिक रूप से उपलब्ध है ताकि भविष्य के हेलियोफिजिक्स और अंतरिक्ष मौसम अनुसंधान में सहायता मिल सके ।

अंतरिक्ष मौसम पूर्वानुमान के लिए इसका क्या मतलब है?

EarlyDetect अंतरिक्ष मौसम के लिए परिचालन प्रारंभिक चेतावनी प्रणालियों की दिशा में एक महत्वपूर्ण कदम है। सक्रिय क्षेत्रों के उभरने से लगभग नौ घंटे पहले सूचना देकर, यह मॉडल उपग्रहों, बिजली ग्रिडों और अंतरिक्ष यात्रियों को सौर तूफानों से बचाने में मदद कर सकता है। SolARED डेटासेट की उपलब्धता का मतलब है कि अन्य शोधकर्ता भी इस काम को आगे बढ़ा सकते हैं, संभवतः चेतावनियों में और सुधार कर सकते हैं या इस दृष्टिकोण को वास्तविक विस्फोटक घटनाओं की भविष्यवाणी तक विस्तारित कर सकते हैं।

हालांकि, मॉडल की वर्तमान सीमाएं - झूठे अलार्म, देरी से भविष्यवाणी, और सक्रिय क्षेत्र के उभरने और वास्तविक विस्फोटों के बीच का अंतर - इसे अभी एक पूर्ण समाधान नहीं बनाती हैं। शोधकर्ताओं द्वारा इन कमियों की स्पष्ट रिपोर्टिंग अपने आप में मूल्यवान है, क्योंकि यह उस स्पष्ट रोडमैप को प्रस्तुत करती है जहाँ मॉडलों की अगली पीढ़ी को सुधार करने की आवश्यकता है।