En breve se pondrá en marcha un servicio de previsión de erupciones solares
El clima adverso en el espacio se debe a erupciones solares y eyecciones de masa coronal liberadas por campos magnéticos turbulentos y extremadamente complejos de regiones activas del Sol. Comprender cómo evolucionan y actúan los campos magnéticos en las regiones activas permitirá a los científicos prever y supervisar de forma fiable y precisa el clima en el espacio. La iniciativa financiada con fondos europeos FLARECAST estudió los factores desencadenantes de las erupciones solares para mejorar la predicción de erupciones mediante la aplicación de física, matemáticas de vanguardia, estadística, datos masivos y aprendizaje automático. La iniciativa es un ejemplo de un proyecto de investigación operativa, en que se utilizan metodologías sacadas de los libros de texto y de artículos científicos para crear el que probablemente sea el servicio de predicción de erupciones más sistemático del mundo. Se emplearon técnicas avanzadas de procesamiento de imágenes para determinar las propiedades de las regiones solares activas. Estas incluían superficie, flujo magnético, desprendimiento, complejidad magnética, helicidad y «proxies» de energía magnética del magnetograma e imágenes de luz blanca en tiempo cuasirreal. El equipo estableció una correlación entre los resultados y la actividad de las erupciones solares, y optimizó los algoritmos de predicción mediante métodos de aprendizaje supervisado, de agrupamiento no supervisado y estadísticos. «Esto permitió a los investigadores validar el procesamiento de imágenes y los algoritmos de predicción de erupciones antes de lanzar el servicio de previsión de erupciones en tiempo cuasirreal», explica Manolis Georgoulis, coordinador del proyecto. Diversas disciplinas empleadas El consorcio recurrió a una tecnología de motor de código abierto Docker como montaje experimental para facilitar el desarrollo de la infraestructura del proyecto en un conjunto extremadamente modular de contenedores Docker. «El procesamiento de datos masivos y el aprendizaje automático demostraron que la predicción de erupciones solares no es, ni debería ser, solo una cuestión de heliofísica», añade Georgoulis. «Es necesario combinar las experiencias de las comunidades especializadas en matemáticas, estadística, informática e inteligencia artificial para conseguir un gran avance en este ámbito». El proyecto desarrolló tres bases de datos con datos externos y propios de FLARECAST que ocupan la abrumadora cifra de 240 terabytes. Esta colección indispensable de datos respaldará muchos de los futuros esfuerzos de investigación. Georgoulis señala que: «Actualmente, alrededor de quince publicaciones revisadas inter pares destacan diferentes aspectos del proyecto, tales como nuevos y prometedores factores de predicción, el rendimiento de los algoritmos de aprendizaje automático, la relación o conexión entre las erupciones y las eyecciones de masa coronal solar, y otros hallazgos. En un futuro cercano se prevé que se publiquen otros artículos centrados completamente en el proyecto». Apoyo a la ciencia en todo el mundo Así, FLARECAST constituye la base de un sistema autónomo y cuantitativo de previsión de erupciones y de control de las regiones activas que resultará útil para predecir e investigar el clima en el espacio, tanto en Europa como en el resto del mundo. Servirá a científicos que trabajan en el campo de la física solar y la heliofísica, que emplearán estos resultados y bases de datos para comprender mejor la física que se esconde tras las erupciones solares y para los futuros esfuerzos de predicción. El proyecto también ayudará a comunidades de aprendizaje automático y de datos masivos a mejorar sus capacidades y diseñar nuevos métodos, como las técnicas de aprendizaje automático «híbrido» e «innovador» desarrolladas durante el proyecto. El carácter modular y de acceso libre de la infraestructura de FLARECAST permitirá a otros equipos de investigación desarrollar y añadir más información (por ejemplo, sobre las erupciones, las eyecciones de masa coronal y las partículas energéticas solares) a un sistema integrado de previsión de las condiciones meteorológicas espaciales, evitando así duplicar los esfuerzos. «Como consorcio, ya hemos observado las primeras muestras de interés tanto en Europa como en otras zonas, bien para emplear los resultados del servicio o para migrar el sistema completo a sus instalaciones», señala Georgoulis.
Palabras clave
FLARECAST, erupciones solares, clima espacial, aprendizaje automático, datos masivos