Microsoft Research 30. septembra 2026 zverejnil článok Forecasting space weather risks on power grids. Opisuje v ňom systém strojového učenia, ktorý vytvára odhady rizika spojeného s vesmírnym počasím pre konkrétne miesta v elektrickej sieti. Podľa autorov pokrýva 66 935 rozvodní v kontinentálnych Spojených štátoch a odhady poskytuje 30 až 60 minút pred možným dopadom.

Čo systém predpovedá

Výstup je viazaný na polohu rozvodne. Tento údaj je podstatný: nejde iba o jeden súhrnný odhad pre celé územie, ale o súbor odhadov pre jednotlivé miesta. Časový predstih 30 až 60 minút opisuje horizont pred možným dopadom, nie potvrdenie, že v konkrétnej rozvodni nastane poškodenie alebo výpadok. Článok predstavuje odhad rizika, ktorý by ešte bolo potrebné posúdiť v kontexte prevádzkových údajov.

Postup sa začína meraniami slnečného vetra z Lagrangeovho bodu L1. Systém z nich predpovedá indexy Auroral Electrojet a Disturbance Storm Time. Tieto predpovede potom spolu so vstupmi špecifickými pre miesto využíva model založený na gradientnom boostingu. Jeho cieľom je odhadnúť dB/dt, teda rýchlosť zmeny magnetického poľa spojenú s rizikom geomagneticky indukovaných prúdov.

Takéto rozdelenie postupu pomáha čítať výsledok správne. Predpoveď indexov je medzikrokom, zatiaľ čo miestny odhad dB/dt je bližšie k riziku, ktoré článok skúma pri rozvodniach. Z uvedeného opisu však nevyplýva, že systém meria skutočný prúd v každej rozvodni alebo že určuje následok pre konkrétne zariadenie. Ide o modelový odhad vytvorený z predpovedí a miestnych vstupov.

Údaje a vývoj

Microsoft Research uvádza využitie verejných zdrojov: NASA OMNI, údajov Kyoto World Data Center zhromaždených NASA, pozorovaní magnetometrov INTERMAGNET a U.S. Geological Survey a údajov o sieti odvodených z GridSFM. Článok tiež uvádza, že systém 50 agentov umelej inteligencie pomáhal skúmať príznaky, validačné postupy a konfigurácie modelov. Úloha agentov sa teda týkala vývoja a skúmania možností pipeline; samotný výsledný odhad má opísaný modelový postup.

Pre čitateľa je dôležité rozlíšiť medzi rozsahom použitých vstupov a rozsahom overenia výsledkov. Zoznam dátových zdrojov vysvetľuje, z akého typu informácií projekt vychádza. Sám osebe však nedokazuje, ako by sa odhad správal pri konkrétnom prevádzkovom rozhodnutí. Aj preto autori samostatne hovoria o potrebe ďalšieho overovania s prevádzkovateľmi a prevádzkovými dátami.

Čo hovoria zverejnené výsledky

V hodnotení za roky 2020 až 2026, počas geomagneticky najaktívnejších období, prediktor indexu Dst založený na strojovom učení prekonal Burtonovu rovnicu v 62,2 % jednotlivých hodín. Toto číslo sa vzťahuje na porovnanie prediktora Dst za uvedených podmienok. Nie je to percento rozvodní, v ktorých by sa preukázal úspešný prevádzkový zásah.

Článok ďalej uvádza mieru detekcie 76,5 % pri veľkých udalostiach s prahom najmenej 10 nT/min, 81,2 % pri závažných udalostiach s prahom najmenej 20 nT/min a 64,1 % pri extrémnych udalostiach s prahom najmenej 50 nT/min. Každé číslo patrí k svojmu prahu. Ich spoločné čítanie ukazuje, že zverejnené hodnotenie rozlišuje stupne udalostí; nemožno z nich urobiť jedinú všeobecnú úspešnosť platnú pre všetky situácie.

Meraná inferencia vytvorila odhady pre všetkých 66 935 rozvodní približne za 333 milisekúnd. Je to údaj o čase potrebnom na výpočet odhadov v meraní, zatiaľ čo predstih 30 až 60 minút označuje interval pred možným dopadom. Ide o dve odlišné vlastnosti: rýchlosť samotného výpočtu a časový horizont výsledku.

Hranica použitia

Microsoft Research výslovne uvádza, že pred využitím systému v prevádzke elektrickej siete je potrebné ďalšie overenie s energetickými spoločnosťami a prevádzkovými údajmi. Zverejnené výsledky preto opisujú výskumný systém a jeho hodnotenie. Nepotvrdzujú nasadenie v riadení siete ani to, že predpovede už zabránili poškodeniu zariadení či výpadkom. Pre posúdenie praktickej hodnoty je rozhodujúce práve ďalšie overenie, ktoré autori pomenovali.