Surya, l’arte solare di IBM e NASA in chiave aperta | Festina Lente - Notizie, recensioni e approfondimenti sull’intelligenza artificiale | Turtles AI

Surya, l’AI aperta nata dalla collaborazione tra IBM e NASA, si nutre di nove anni di immagini solari ad alta risoluzione per anticipare tempeste solari. Disponibile su Hugging Face, offre potenza previsiva per flares, CME e “space weather”.

Punti chiave:

•  Modello open-source per l’eliofisica, addestrato su 9 anni di dati SDO
•  Migliora la precisione nella classificazione dei brillamenti del 16 %
•  Risalita su Hugging Face, GitHub e TerraTorch con set di benchmark SuryaBench
•  Permette now-casting e fine-tuning su eventi solari specifici

Immaginate un osservatore silenzioso e instancabile che scruta il Sole da nove anni, catturandone ogni smorfia, ogni bagliore: è questa l’anima di Surya. IBM e NASA lo hanno plasmato non per celebrare la scienza, ma per metterla in sella: un modello di AI fondazionale che trasforma petabyte di immagini solari del Solar Dynamics Observatory (SDO) in premonizioni utili, predicendo tempeste capaci di mandare in tilt GPS, satelliti, griglie elettriche e comunicazioni.

Il risultato? Un algoritmo che migliora la classificazione dei brillamenti solari del 16 %, arrivando ad anticiparli fino a due ore prima. Un margine importante quando il Sole decide di scuotere la Terra e le sue infrastrutture. Surya non è un monolite chiuso: pesa poco, è aperto, si trova su Hugging Face, GitHub e perfino sulla libreria TerraTorch, pronto per essere personalizzato, adattato, raffinato dagli scienziati, studenti e startup del mondo.

In coda al modello, c’è SuryaBench, una raccolta di dataset e benchmark pensata per standardizzare comparazioni tra metodi previsivi: “ponte verso la comunità scientifica”, per dirla con una metafora narrativa, che semplifica la corsa verso previsioni di flares, deflagrazioni UV estreme, venti solari e indici geomagnetici come Kp e Dst.

Dietro le quinte, il progetto nasce da una salda alleanza interdisciplinare: NASA (Ufficio Chief Science Data Officer e Divisione Eliofisica), il team IMPACT AI della missione AI for Science e il talento di IBM Research. Il progetto, strutturato secondo la strategia “5+1” di NASA per l’AI, è passato dall’ideazione al rilascio in meno di un anno: un accorciamento che somiglia a un razzo piuttosto che a un’elaborazione convenzionale.

Nell’universo variabile del Sole, dove macchie solari diventano epicentri di cataclismi invisibili, Surya è capace di “imparare da sé” rotazioni, campi magnetici e geometrie solari, dimostrando che lasciare al modello puri dati anziché regole codificate produce risultati migliori.

Il cielo non è più solo uno spettacolo da ammirare: diventa premessa, avviso, responsabilità. La barriera si dirada per scienziati regionali, laboratori universitari, startup: Surya abbassa il muro tecnico e apre alla scienza riproducibile, benchmark comuni, adattamenti low-resource.

Per usare Surya, basta afferrare il modello su Hugging Face e provarci: pre-elaborazione dati SDO, fine-tuning leggero con adapter o LoRA, valutazione su benchmark SuryaBench, misurazione del lead time rispetto a standard previsivi, e soprattutto stress test su eventi estremi,come un laboratorio live sotto il Sole.

Eppure la narrazione resta aperta, non tracciata in linea retta: un’opera che parla con ironia al lettore tecnico e narratore, che unisce dettagli tecnici e metafore: Surya è specchio, scalpello, oracolo, ma non pronuncia sentenze, apre schemi.