Gefahr durch Sonnenstürme: KI-Modell sagt aktive Region auf Sonne früher vorher

vor 58 Minuten 1

Ein Forschungsteam aus den USA hat ein KI-Modell entwickelt, das im Schnitt über neun Stunden im Voraus vorhersagen kann, wann und wo sich eine aktive Zone auf der Sonne entwickelt und damit ein möglicher Vorläufer einer Sonneneruption. Das hat die Gruppe jetzt öffentlich gemacht und erklärt, dass die Technik Grundlage eines Frühwarnsystems werden könnte, anhand dessen Kommunikationsdienste und Stromnetze künftig auf mögliche Auswirkungen vorbereitet werden könnten. Die Algorithmen finden demnach Signale in den Veränderungen der Aktivität der Sonne und in ihrem Magnetfeld. Noch sind sie aber nicht einsatzbereit.

Als aktive Regionen werden temporäre Eigenschaften der Sonnenoberfläche bezeichnet, die durch ein starkes und komplexes Magnetfeld gekennzeichnet werden. Sie stehen oft mit Sonnenflecken in Zusammenhang und sind üblicherweise der Ursprungsort von koronalen Masseauswürfen und Sonneneruptionen. Je früher man ihre Bildung vorhersagen kann, desto mehr Zeit bleibt für die Vorbereitung auf eventuelle Folgen. Ein am New Jersey Institute of Technology (NJIT) trainiertes KI-Modell habe nun gezeigt, dass es dazu in der Lage ist, und zwar besser als bisherige Technik. Interessanterweise funktionierte das schlechter, wenn vorher versucht wurde, für unwesentlich gehaltene Messsignale herauszufiltern.

Extreme Sonnenstürme können auf der Erde weitreichende Folgen haben, die Gefahr für moderne Technik geht dabei von der Schwächung des Erdmagnetfelds aus, für die elektrisch geladenen Teilchen sorgen. Diese Partikel können moderne Infrastruktur im Weltall und auf der Erdoberfläche lahmlegen, betroffen wären primär Strom- und Kommunikationsnetze. Möglichkeiten, solche Ereignisse so früh wie möglich vorherzusagen, sind deshalb von enormem Wert. Das auf EarlyDetect getaufte System ist dafür aber nicht bereit, gesteht das Forschungsteam ein. Dafür produziere es noch zu viele Fehlalarme und zu späte Vorhersagen. Trotzdem handle es sich um einen „spannenden Schritt“. Die Arbeit wurde in JGR: Machine Learning and Computation veröffentlicht.

(mho)

Gesamten Artikel lesen