In questo articolo Indice dei contenuti 3 sezioni
L’intelligenza artificiale sta imparando a leggere il Sole, e il motivo è tutt’altro che accademico: prevedere con più anticipo il clima spaziale significa avere qualche ora in più per proteggere reti elettriche, satelliti e sistemi tecnologici che diamo per scontati. Nel maggio 2024 una grande espulsione di massa coronale ha innescato una tempesta geomagnetica che ha regalato aurore boreali in Paesi dove normalmente non si vedono mai. Uno spettacolo, certo. Ma con un’intensità solo un po’ maggiore, le conseguenze sarebbero state di tutt’altro tipo.
Il punto è che il meteo dello spazio, esattamente come quello terrestre, si può anticipare. Diversi osservatori tengono il Sole sotto sorveglianza costante e ci sono sistemi capaci di individuare le eruzioni e seguire il materiale espulso verso il nostro pianeta. Il problema, come per qualunque previsione meteorologica, è il margine di tempo. Più preavviso c’è, meglio è.
Perché i dati solari sono un terreno perfetto per gli algoritmi
Il Sole produce senza sosta quantità enormi di informazioni sui propri campi magnetici, sui movimenti interni, sulle oscillazioni. Dentro quella mole di dati possono nascondersi schemi troppo sottili o troppo intricati perché i metodi tradizionali riescano a coglierli. Un algoritmo addestrato appositamente per cercarli, invece, può fare meglio. È esattamente la scommessa di uno studio pubblicato sul Journal of Geophysical Research: Machine Learning and Computation, che sposta l’attenzione all’inizio della catena di eventi: prima ancora di provare a prevedere un brillamento, cerca di capire quando comincerà a emergere una regione attiva del Sole.
Una regione attiva è una zona dove un campo magnetico intenso affiora e si concentra. Al suo interno possono comparire una o più macchie solari. Sono aree in cui i campi magnetici si intrecciano in configurazioni complesse e la loro riorganizzazione può generare brillamenti ed espulsioni di massa coronale, le famose CME.
EarlyDetect e quelle ore guadagnate
Il gruppo di ricercatori parte da un’idea precisa: nei dati solari ci sono già abbastanza indizi per anticipare la nascita di queste zone. Per verificarlo ha costruito un modello predittivo chiamato EarlyDetect, che analizza le misurazioni del campo magnetico e delle oscillazioni acustiche del Sole raccolte dall’osservatorio SDO della NASA.
I risultati sono incoraggianti, anche se ancora preliminari. Nei test condotti su regioni attive mai viste durante l’addestramento, EarlyDetect è riuscito ad anticiparne l’emersione con una media di 9,24 ore. Su questo parametro ha superato un sistema precedente, basato su un’altra architettura di apprendimento automatico, che si fermava a una media di 7,55 ore.
Va detto con onestà: individuare in anticipo una regione attiva non basta di per sé a sapere se produrrà un brillamento o una espulsione di massa coronale. Molte regioni attive non generano mai eruzioni di rilievo. Resta però il fatto che uno strumento del genere potrebbe diventare un tassello importante nei sistemi che provano a prevedere il meteo spaziale.
Un ciclo che non concede pause
“L’apprendimento automatico non è ancora stato applicato su larga scala alla previsione dell’attività solare. Il nostro lavoro dimostra che i modelli avanzati di machine learning possono aprire nuove possibilità per la previsione del clima spaziale in futuro”, ha dichiarato Mengjia Xu, ricercatrice principale del progetto, in un comunicato del New Jersey Institute of Technology.
L’esigenza di previsioni migliori non svanirà tanto presto. L’attività del Sole segue cicli di circa 11 anni. Passato il periodo di massima attività del ciclo solare attuale, il prossimo grande massimo dovrebbe arrivare verso la metà degli anni Trenta, anche se è ancora troppo presto per sapere esattamente quando si verificherà e quanto sarà intenso.
