Prognos av solflammor baserat på solmagnetfält med maskininlärning

Utbrott på solen (solstormar) har sin orsak i solens magnetfält. Magnetfält i solen vrids upp och förstärks, vilket sedan leder till frigörande av energi i form av strålning och energirika partiklar.

Detta leder i sin tur till en rad fenomen och effekter på jorden, som till exempel norrsken och sydsken samt påverkan på kommunikation och elförsörjning. En mycket aktuell händelse är den serie av solstormar som ledde till en jordmagnetisk storm den 10–11 maj 2024, med norrsken i södra Sverige och effekter på elkraftnätet.

Solstormarna kan observeras i solens atmosfär (kromosfär och korona), där också magnetfältens strukturer kan antydas. Men direkta observationer av magnetfältet kan i dagsläget endast göras på solens synliga yta (fotosfären), även om nya radioobservationer i framtiden kanske även kan ge information om koronans magnetfält.

Vi ser alltså ett tvådimensionellt snitt (solens yta) av solens tredimensionella struktur. Från den tvådimensionella bilden av magnetfälten försöker vi identifiera olika parametrar som visar var och när en solstorm kan ske.

Detta gör vi med hjälp av observationer från en satellit (Solar Dynamics Observatory, SDO) som kontinuerligt genererar bilder av solens magnetfält (magnetogram). Med hjälp av matematiska modeller av solmagnetfältet försöker vi identifiera parametrar som beskriver komplexiteten samt hur de ändras över tid (minuter till dagar).

Eftersom det rör sig om stora datamängder som ska analyseras och sambanden är komplexa använder vi bland annat maskininlärning (ML, machine learning). ML består av matematiska modeller inom artificiell intelligens.

Dessa modeller kan köras på data som hämtas i realtid från SDO för att ge prognoser av kommande solstormar.