Wspólnotowy Serwis Informacyjny Badan i Rozwoju - CORDIS

H2020

FLARECAST — Wynik w skrócie

Project ID: 640216
Źródło dofinansowania: H2020-EU.2.1.6.
Kraj: Grecja
Dziedzina: Przemysł kosmiczny, Gospodarka cyfrowa

Usługa prognozowania rozbłysków słonecznych dostępna już wkrótce

Ludzkość staje się coraz bardziej narażona na oddziaływanie pogody kosmicznej z powodu rosnącego uzależnienia od połączonych w sieć technologii umieszczonych w przestrzeni kosmicznej. Utrata jednego lub kilku węzłów tej sieci, nawet na krótki okres, będzie miała poważne reperkusje i będzie kosztować miliardy euro.
Usługa prognozowania rozbłysków słonecznych dostępna już wkrótce
Niekorzystne warunki pogody kosmicznej wynikają z rozbłysków słonecznych i koronalnych wyrzutów masy, pochodzących z burzliwych i wysoce złożonych pól magnetycznych znajdujących się w aktywnych obszarach Słońca. Zrozumienie ewolucji i zachowania pól magnetycznych w aktywnych regionach umożliwi naukowcom opracowanie dokładnych i niezawodnych metod monitorowania i prognozowania pogody kosmicznej.

W ramach finansowanej przez UE inicjatywy FLARECAST zbadano czynniki wpływające na powstawanie rozbłysków słonecznych w celu ich dokładniejszego prognozowania poprzez zastosowanie fizyki, najnowocześniejszej matematyki, statystyki, technologii big data i uczenia maszynowego. Inicjatywa ta jest przykładem projektu badawczo-operacyjnego, wykorzystującego metodologię zaczerpniętą z podręczników i artykułów naukowych w celu stworzenia prawdopodobnie najbardziej systematycznej na świecie usługi przewidywania rozbłysków.

W celu określenia właściwości słonecznych regionów aktywnych zastosowano zaawansowane techniki przetwarzania obrazów. Obejmowały one obszar, strumień magnetyczny, ścinanie, złożoność magnetyczną, skrętność i przybliżenia dla energii magnetycznej z magnetogramu słonecznego oraz obrazy światła białego w czasie zbliżonym do rzeczywistego. Zespół skorelował wyniki z aktywnością rozbłysków słonecznych i zoptymalizował algorytmy przewidywania za pomocą statystycznych, metod nienadzorowanego grupowania i nadzorowanego uczenia. „Umożliwiło to badaczom walidację algorytmów przetwarzania obrazu i przewidywania rozbłysków przed uruchomieniem usługi prognozowania w czasie zbliżonym do rzeczywistego”, mówi koordynator projektu, Manolis Georgoulis.

Szereg zastosowanych dyscyplin

Konsorcjum wykorzystało technologię silników open-source Docker jako makietę testową w celu opracowania infrastruktury projektu w wysoce modułowym zespole kontenerów Docker. „Obsługa danych big data i uczenie maszynowe pokazały, że przewidywanie rozbłysków słonecznych nie polega i nie powinno polegać tylko na heliofizyce”, wyjaśnia Georgoulis. „Aby dokonać przełomu w tej dziedzinie, konieczne jest połączenie wiedzy specjalistycznej z dziedziny matematyki, statystyki, informatyki i sztucznej inteligencji”.

W ramach projektu powstały trzy bazy danych FLARECAST z danymi natywnymi i zewnętrznymi o łącznej pojemności 240 terabajtów. Ten niezbędny zbiór danych pomoże w realizacji wielu przyszłych badań. Georgoulis wyjaśnia: „Powstało już około 15 recenzowanych artykułów opisujących różne aspekty projektu, takie jak nowe i obiecujące czynniki prognostyczne, wydajność algorytmów uczenia maszynowego, zależności i związki między rozbłyskami i koronalnymi wyrzutami masy słonecznej oraz inne zagadnienia. W najbliższej przyszłości planowane są kolejne publikacje w całości poświęcone projektowi”.

Wspieranie badań na całym świecie

FLARECAST stanowi zatem podstawę systemu ilościowego i autonomicznego monitorowania i prognozowania regionów aktywnych, który będzie przydatny dla badaczy i specjalistów od prognozowania pogody kosmicznej, zarówno w Europie, jak i na całym świecie. Należą do nich naukowcy zajmujący się fizyką słoneczną i heliofizyką, którzy wykorzystają wyniki badań i opracowane w projekcie bazy danych do lepszego zrozumienia fizyki erupcji słonecznych oraz w przyszłych pracach prognostycznych. Projekt pomoże również badaczom zajmującym się uczeniem maszynowym i danymi big data w doskonaleniu umiejętności i tworzeniu nowych metod, takich jak „hybrydowe” i „innowacyjne” techniki uczenia maszynowego opracowane w trakcie projektu.

Modułowość i otwarty charakter infrastruktury FLARECAST pozwolą innym zespołom badawczym na rozszerzenie i dodanie większej ilości informacji (w tym o rozbłyskach, koronalnych wyrzutach masy i energetycznych cząstkach słonecznych) do zintegrowanego centrum prognozowania pogody kosmicznej, co pozwoli uniknąć powielania prac. „Jako konsorcjum spotkaliśmy się już ze wstępnymi wyrazami zainteresowania z Europy i innych regionów świata, czy to w związku z wykorzystaniem rezultatów usługi, czy też migracją całego centrum do siedziby zainteresowanego podmiotu”, podkreśla Georgoulis.

Powiązane informacje

Słowa kluczowe

FLARECAST, rozbłyski słoneczne, pogoda kosmiczna, uczenie maszynowe, big data
Śledź nas na: RSS Facebook Twitter YouTube Zarządzany przez Urząd Publikacji UE W górę