Esistono tre livelli di gravità per le tempeste spaziali:tempeste geomagnetiche, tempeste di radiazioni solari e blackout radio. Queste tempeste producono diversi effetti sulla Terra, tra cui problemi relativi ai satelliti, al GPS, alle comunicazioni e alla rete elettrica, nonché pericoli per la salute degli astronauti e delle persone sui voli ad alta quota. Le tempeste geomagnetiche producono anche le bellissime aurore comunemente osservate nelle regioni polari.
A causa dei potenziali effetti negativi delle tempeste spaziali, i ricercatori hanno sviluppato modelli basati sulla fisica che prevedono il sistema delle correnti aurorali in base alle particelle del vento solare in arrivo espulse dal sole.
Fino a quel momento, tuttavia, tali modelli erano lenti e richiedevano il funzionamento di un intero supercomputer. I ricercatori hanno ora creato un emulatore basato sull'apprendimento automatico che imita le simulazioni del sistema di corrente aurorale basate sulla fisica molto più rapidamente e con meno potenza di calcolo.
Il team ha pubblicato i risultati del proprio studio sulla rivista Space Weather .
"Una simulazione basata sulla fisica del sistema delle correnti aurorali è un'opzione per le previsioni meteorologiche spaziali. Tuttavia, abbiamo bisogno di un supercomputer designato per eseguire la simulazione basata sulla fisica", ha affermato Ryuho Kataoka, primo autore dell'articolo e professore associato presso l'Università di Los Angeles. Istituto Nazionale di Ricerca Polare e SOKENDAI, entrambi a Tachikawa, Giappone.
"Uno di questi modelli è REPPU (REProduce Plasma Universe), un modello ben noto e affidabile che riproduce il sistema delle correnti aurorali. Una volta creato l'emulatore, potremmo ottenere risultati simili utilizzando un PC portatile."
Il nuovo modello di emulatore, Surrogate Model for REPPU Auroral Ionosphere versione 2 (SMRAI2), è un milione di volte più veloce della simulazione basata sulla fisica e incorpora gli effetti stagionali nella sua modellazione.
Anche se le previsioni del tempo solare non possono modificare gli effetti della radiazione solare e delle particelle del vento solare sulla Terra e attorno ad essa, possono aiutare le comunità colpite dal tempo solare a prepararsi alle difficoltà e ai guasti di comunicazione e a limitare l'esposizione alle radiazioni per gli astronauti e i passeggeri degli aerei ad alta quota.
I satelliti, in particolare, sono molto sensibili alla resistenza causata dalle tempeste magnetiche. Nel febbraio 2022, infatti, 38 satelliti commerciali sono andati perduti a causa del rientro nell'atmosfera terrestre dopo una moderata tempesta magnetica. Queste tempeste magnetiche sono il risultato di un grande trasferimento di energia dal vento solare alla magnetosfera terrestre.
Il team di ricerca ha utilizzato un modello di apprendimento automatico dipendente dal tempo chiamato echo state network (ESN) per creare l’emulatore del modello di previsione basato sulla fisica. È importante sottolineare che gli ESN sono un tipo di rete neurale ricorrente progettata per gestire in modo efficiente dati sequenziali.
Lo studio attuale ha effettivamente migliorato una versione iniziale dell'emulatore basato su ESN, ver1.0. Il team ha addestrato il nuovo modello di emulatore, SMRAI2, utilizzando un ordine di grandezza in più di risultati di simulazione basati sulla fisica rispetto al modello originale ver1.0.
"Il prodotto di questo studio, SMRAI2, è il primo esempio di fisica aurorale che utilizza una tecnica di apprendimento automatico per emulare l'output ionosferico della simulazione magnetoidrodinamica globale (MHD) basata sulla fisica. Accumulando più dati di simulazione MHD e utilizzando altri strumenti all'avanguardia i modelli di apprendimento automatico ci consentiranno di aggiornare l’accuratezza delle previsioni nel prossimo futuro”, ha affermato Kataoka. Le simulazioni MHD sono progettate per descrivere il comportamento della magnetosfera, dove il vento solare interagisce con il campo magnetico terrestre.
Il prossimo passo per il gruppo di ricerca sarà quello di incorporare l’emulatore nell’esecuzione delle previsioni meteorologiche spaziali d’insieme, che sono un insieme di previsioni che offrono una gamma di previsioni meteorologiche spaziali future. Il loro obiettivo finale è utilizzare l'emulatore, insieme a molti set di dati di osservazione, in una previsione di assimilazione dei dati, che integri l'output del modello e le osservazioni per migliorare l'accuratezza della previsione.
Ulteriori informazioni: Ryuho Kataoka et al, Emulatore basato sull'apprendimento automatico per la simulazione basata sulla fisica del sistema delle correnti aurorali, Meteo spaziale (2024). DOI:10.1029/2023SW003720
Informazioni sul giornale: Meteo spaziale
Fornito dall'Organizzazione per la ricerca sulle informazioni e sui sistemi