Il existe trois niveaux de gravité des tempêtes spatiales :les tempêtes géomagnétiques, les tempêtes de rayonnement solaire et les pannes radio. Ces tempêtes produisent différents effets sur Terre, notamment des problèmes de satellite, de GPS, de communications et de réseau électrique, ainsi que des dangers pour la santé des astronautes et des personnes effectuant des vols à haute altitude. Les tempêtes géomagnétiques produisent également les magnifiques aurores boréales couramment observées dans les régions polaires.

En raison des effets négatifs potentiels des tempêtes spatiales, les chercheurs ont développé des modèles basés sur la physique qui prédisent le système de courants auroraux en fonction des particules du vent solaire entrantes éjectées du soleil.

Jusqu’à présent, cependant, ces modèles étaient lents et nécessitaient un superordinateur complet pour fonctionner. Les chercheurs ont maintenant créé un émulateur basé sur l'apprentissage automatique qui imite les simulations de systèmes de courants auroraux basées sur la physique beaucoup plus rapidement et avec moins de puissance de calcul.

L'équipe a publié les résultats de son étude dans la revue Space Weather. .

"Une simulation basée sur la physique du système de courants auroral est une option pour les prévisions météorologiques spatiales. Cependant, nous avons besoin d'un superordinateur désigné pour exécuter la simulation basée sur la physique", a déclaré Ryuho Kataoka, premier auteur de l'article et professeur agrégé à l'université. Institut national de recherche polaire et SOKENDAI, tous deux à Tachikawa, Japon.

"L'un de ces modèles est REPPU (REProduce Plasma Universe), qui est un modèle bien connu et fiable qui reproduit le système de courant auroral. Une fois que nous avons créé "l'émulateur", nous pourrions obtenir des résultats similaires en utilisant un ordinateur portable. "

Le nouveau modèle d'émulateur, Surrogate Model for REPPU Auroral Ionosphere version 2 (SMRAI2), est un million de fois plus rapide que la simulation basée sur la physique et intègre les effets saisonniers dans sa modélisation.

Bien que les prévisions météorologiques solaires ne puissent pas modifier les effets du rayonnement solaire et des particules du vent solaire sur et autour de la Terre, elles peuvent aider les communautés touchées par la météo solaire à se préparer aux difficultés et aux pannes de communication et à limiter l'exposition aux rayonnements des astronautes et des passagers des avions à haute altitude. P>

Les satellites, en particulier, sont très sensibles à la traînée provoquée par les orages magnétiques. En effet, 38 satellites commerciaux ont été perdus en février 2022 en raison de leur rentrée dans l'atmosphère terrestre après un orage magnétique modéré. Ces orages magnétiques sont le résultat d'un transfert d'énergie important du vent solaire vers la magnétosphère terrestre.

L’équipe de recherche a utilisé un modèle d’apprentissage automatique dépendant du temps appelé réseau d’état d’écho (ESN) pour créer l’émulateur de modèle de prédiction basé sur la physique. Il est important de noter que les ESN sont un type de réseau neuronal récurrent conçu pour gérer efficacement les données séquentielles.

L'étude actuelle a en fait amélioré une version initiale de l'émulateur basé sur ESN, ver1.0. L'équipe a formé le nouveau modèle d'émulateur, SMRAI2, en utilisant un ordre de grandeur plus de résultats de simulation basés sur la physique que le modèle ver1.0 d'origine.

"Le produit de cette étude, SMRAI2, est le premier exemple de physique aurorale qui utilise une technique d'apprentissage automatique pour émuler la sortie ionosphérique de la simulation magnétohydrodynamique globale (MHD) basée sur la physique. Accumuler davantage de données de simulation MHD et utiliser d'autres technologies de pointe les modèles d'apprentissage automatique nous permettront d'actualiser la précision des prédictions dans un avenir proche", a déclaré Kataoka. Les simulations MHD sont conçues pour décrire le comportement de la magnétosphère, où le vent solaire interagit avec le champ magnétique terrestre.

La prochaine étape pour l’équipe de recherche consiste à intégrer l’émulateur dans l’exécution des prévisions météorologiques spatiales d’ensemble, qui sont un ensemble de prévisions offrant une gamme de prévisions météorologiques spatiales futures. Leur objectif ultime est d'utiliser l'émulateur, ainsi que de nombreux ensembles de données d'observation, dans une prévision d'assimilation de données, qui intègre les résultats du modèle et les observations pour améliorer la précision des prévisions.

Plus d'informations : Ryuho Kataoka et al, émulateur basé sur l'apprentissage automatique pour la simulation physique du système de courants auroral, Météo spatiale (2024). DOI :10.1029/2023SW003720

Informations sur le journal : Météo spatiale

Fourni par l'Organisation de recherche sur l'information et les systèmes