Nel corso della nostra vita editoriale abbiamo parlato spesso del fenomeno delle tempeste solari e dei danni che possono causare alla tecnologia terrestre. La Nasa, in tal caso, ha applicato alcuni modelli di intelligenza artificiale con l’obiettivo di sviluppare un sistema di allerta precoce in maniera tale da essere avvertiti almeno una mezz’ora prima che una tempesta solare particolarmente distruttiva colpisca un’area ben determinata. Questo preavviso è dovuto al fatto che la luce può viaggiare più velocemente del materiale solare espulso durante tali tempeste solari.
La pericolosità delle tempeste solari
Alcuni di questi eventi, come quello che colpì il Quebec 35 anni fa, possono causare l’interruzione di energia elettrica per ore. Come fa notare Science Alert, eventi più estremi, come l’evento Carrington accaduto più di 150 anni fa, potrebbero causare una massiccia distruzione delle infrastrutture elettriche e di comunicazione se dovessero accadere oggi.
Gli scienziati sono da tempo consapevoli del problema e non sono rimasti a guardare. A questo punto dell’esplorazione del Sistema Solare da parte della nostra specie, molti satelliti stanno osservando il Sole e possono essere utilizzati per identificare queste esplosioni solari. Alcuni di questi satelliti includono ACE, Wind, IMP-8 e Geotail, che hanno fornito dati al team della NASA. Ma è ovvio che per sviluppare un modello predittivo, bisogna prima chiedere all’AI cosa c’è bisogno che venga previsto.
Sapere l’arrivo non basta!
Sapere semplicemente che una tempesta solare è in arrivo è solo una parte della battaglia: è necessario anche sapere che tipo di impatto avrà sulla Terra quando la colpirà. Quindi i ricercatori hanno raccolto dati anche da stazioni di superficie che sono state colpite anche da alcune tempeste rilevate dai satelliti.
Gli scienziati hanno quindi iniziato ad addestrare un modello di deep learning, che recentemente è diventato quasi una parola familiare. In questo caso, l’hanno chiamato DAGGER e ha alcune specifiche piuttosto impressionanti rispetto agli algoritmi predittivi esistenti che hanno tentato di fare la stessa cosa.
Velocità non indifferente
La cosa più notevole è l’aumento della velocità. I ricercatori, guidati da Vishal Upendran del Centro interuniversitario di astronomia e astrofisica in India, affermano che l’algoritmo può prevedere la gravità e la direzione di un evento di tempesta solare in meno di un secondo e che è in grado di fare una previsione ogni minuto. I precedenti tentativi da parte di algoritmi del passato avrebbero richiesto ordini di grandezza più lunghi, quasi al punto in cui non avrebbero dato quasi alcun tempo di preavviso prima che una tempesta colpisse la Terra.
Parte di questa lotta con la tempestività era dovuta al fatto che era computazionalmente impegnativo calcolare dove una tempesta avrebbe potuto colpire in qualsiasi parte del globo. Questo è un altro passo avanti per DAGGER, che può eseguire la sua logica di previsione rapida per l’intera superficie terrestre. Fare tali previsioni a livello locale è estremamente importante – in qualsiasi momento in cui una tempesta solare potrebbe colpire la Terra, metà del globo sarà protetta dall’intera massa del pianeta – in uno stato che comunemente chiamiamo “notte”.
DAGGER: un aiuto prezioso
Questa velocità di previsione combinata con la capacità di applicare tali previsioni a un intero globo fa di DAGGER un notevole passo avanti nella previsione e nella risposta accurata ai potenziali pericoli derivanti dalle tempeste solari. E verrà lanciato su una piattaforma open source giusto in tempo per raccogliere moltissimi dati mentre il Sole raggiungerà il picco del suo ciclo solare di 11 anni nel 2025.
Ciò dà alle società di servizi pubblici e di comunicazione alcuni anni per integrare DAGGER nei loro sistemi di valutazione delle minacce prima che arrivino le condizioni meteorologiche più severe. Anche se potrebbero non esserci sirene simili a quelle che avvisano i tornado, come avviene nel Midwest degli Stati Uniti, almeno le persone saranno informate del pericolo più velocemente di quanto lo sarebbero state prima.
