NASA 聯手 IBM 推出太陽大模型 Surya：提前 2 小時預報耀斑

Surya 是 NASA 聯手 IBM 等機構打造的開源太陽物理基礎模型，專門用來分析海量太陽觀測資料，並預測劇烈太陽活動。

它最直接的用途，是給衛星運營商和科研人員提供預警。遇到強烈的太陽爆發時，模型能幫你提前判斷耀斑和高能輻射什麼時候來，降低電網跳閘、通訊中斷或低軌衛星軌道驟降的風險。

它能做什麼

Surya 目前最大的突破在於太陽耀斑預測。它不僅能給出數值判斷，還能直接生成未來 2 小時的太陽耀斑視覺演變預測畫面。

在早期的測試結果裡，Surya 的預測表現超過了現有的基準水平 16%。對於一直難以捉摸的太陽物理預報來說，這個提升幅度相當紮實。

除了預測耀斑，它還能用來追蹤太陽表面的活動區、推算太陽風速度，以及分析太陽紫外線輻射對地球高層大氣的影響。

架構上它還支援融合不同觀測站的資料，比如歐洲航天局與 NASA 聯合研製的 SOHO 探測器，以及帕克太陽探測器的最新觀測。

怎麼做到的

Surya 的底氣來自 NASA 太陽動力學天文臺（SDO）長達 9 年的高質量觀測資料。

SDO 自 2010 年升空以來，每 12 秒就會拍攝一組多波段太陽影像，並記錄精準的磁場測繪資料。這套橫跨完整太陽活動週期的長序列資料，讓 AI 能捕捉到傳統短週期樣本里看不到的細微物理規律。

機制上，Surya 採用基礎模型架構，直接從未經人工標註的原始太陽物理資料中自監督學習。

傳統的氣象和物理 AI 通常需要大量人工標註特徵，而 Surya 可以直接理解原始影像與磁場規律，然後快速微調適配到不同下游任務。

在算力上，這項訓練獲得了美國國家人工智慧研究資源（NAIRR）試點的支援，接入了由美國國家科學基金會（NSF）與輝達等機構提供的算力基礎設施。

怎麼獲取和嘗試

NASA 和 IBM 已經把整個專案完全開源。

模型的權重已經上傳到了 Hugging Face，配套的程式碼倉庫也已在 GitHub 上公開。同時，訓練所用的基礎資料集也是完全開放的。

如果你是空間科學、氣象物理或 AI 交叉領域的研究者，可以直接從 Hugging Face 拉取模型權重，或者在 GitHub 上參考官方工作流進行下游微調。

為什麼重要

我們認為，Surya 的開源標誌著科學基礎模型正在從地球上的通用語言和影像，走向深度的空間物理場景。以往空間天氣預報大多依賴傳統數值模擬或單點統計，算力消耗大且響應慢，Surya 證明了直接從海量連續物理觀測中預訓練大模型完全走得通。

對於空間科學領域的開發者和研究機構來說，這省去了從頭處理近十年 PB 級原始衛星資料的巨大工程成本，值得立刻下載體驗。不過在現階段，把 2 小時的視覺預測直接投入商用衛星自主規避等實操生產線，依然需要更多極端耀斑事件的實戰檢驗。