Neues KI-Modell vorhersagt schwere Sonnenstürme mit hoher Genauigkeit

Forscher haben ein völlig neues, auf Klassenspezifischen Belohnungen basierendes Klassifikationssystem entwickelt, das schwere Sonnenstürme (≥M‑Klasse) innerhalb von 24 Stunden vorhersagen kann. Das System kombiniert fortschrittliche Deep‑Learning‑Modelle mit gezielter Belohnungsoptimierung, um die Vorhersagegenauigkeit zu maximieren.

Zur Erstellung des Modells wurden umfangreiche Datensätze aus wissensbasierten Merkmalen und Linien‑of‑Sight‑Magnetogrammen zusammengestellt. Die Entwickler setzten drei klassische neuronale Netze – CNN, CNN‑BiLSTM und Transformer – sowie deren Varianten mit klassenspezifischer Belohnung (CDR) ein. Durch die Analyse der Linien‑of‑Sight‑Magnetfeldparameter zeigte der Transformer, dass die Kombination aus LOS‑ und Vektor‑Daten die beste Leistung erzielt.

Die Ergebnisse sind beeindruckend: Bei den LOS‑Feature‑Kombinationen führten R_VALUE und AREA_ACR konsequent zu den höchsten Vorhersagewerten. Modelle, die wissensbasierte Merkmale nutzten, übertrafen die reinen Magnetogramm‑Modelle. Während CNN und CNN‑BiLSTM bei Magnetogrammen die CDR‑Gegenstücke übertrafen, erwies sich der CDR‑Transformer als leicht überlegen gegenüber seinem reinen Deep‑Learning‑Counterpart, wenn wissensbasierte Merkmale verwendet wurden. Insgesamt erzielte der CDR‑Transformer die beste Gesamtleistung.

Eine Sensitivitätsanalyse der Belohnungsarchitektur zeigte, dass die Vorhersagekraft der CDR‑Modelle robust gegenüber Änderungen in der Belohnungsdefinition bleibt. Zusätzlich wurde die SHAP‑Methode eingesetzt, um die Entscheidungsprozesse der Modelle transparent zu machen. Im Vergleich zu etablierten NASA/CCMC‑Modellen demonstriert das neue System eine deutlich verbesserte Genauigkeit, was für die Vorhersage von Sonnenstürmen von großer Bedeutung ist.