Simulasi Digital Matahari Surya - Kolaborasi IBM dan NASA

Latar Belakang: Matahari adalah sumber energi utama bagi Bumi, tetapi aktivitasnya seperti semburan plasma (flare) dan lontaran massa koronal (CME) dapat menimbulkan cuaca antariksa yang mengganggu teknologi di Bumi. Badai Matahari yang besar berpotensi memicu lonjakan arus geomagnetik di Bumi, mematikan transformator pembangkit listrik dan merusak jaringan listrik.

 Energi gelombang Matahari juga dapat merusak satelit, mengacaukan sinyal GPS dan komunikasi radio, serta membahayakan penerbangan sipil karena radiasi tinggi. Modernisasi peralatan seperti sistem navigasi, internet satelit, dan misi luar angkasa (astronot, satelit) membuat prediksi cuaca antariksa menjadi sangat penting. Untuk itu, NASA mengoperasikan satelit Solar Dynamics Observatory (SDO) sejak 2010 untuk merekam perilaku Matahari secara terus menerus (setiap 12 detik) dalam berbagai panjang gelombang dan medan magnet . Data SDO yang kaya – hampir 15 tahun tanpa jeda – memungkinkan analisis pola jangka panjang dalam aktivitas Matahari, namun besaran dan kompleksitasnya menantang analisis konvensional. Sebagai solusi, IBM dan NASA berkolaborasi mengembangkan kembaran digital Matahari: model virtual dinamis bernama Surya yang diperbarui seiring data baru masuk dan dapat dimanipulasi untuk studi lebih lanjut.

• Contoh dampak badai Matahari: kerusakan satelit dan ancaman keselamatan astronot di ruang angkasa; gangguan navigasi penerbangan dan paparan radiasi tinggi pada kru pesawat; kegagalan jaringan listrik, GPS, dan komunikasi global akibat lonjakan arus geomagnetik.

Peran IBM:

IBM Research bertanggung jawab mengembangkan model AI canggih untuk proyek ini. Bersama peneliti dari NASA dan delapan lembaga riset lain, tim IBM merancang model dasar (foundation model) Surya yang dapat belajar langsung dari data mentah Matahari.

Model ini menggunakan arsitektur vision transformer berteknologi long-short attention, serta mekanisme spectral gating untuk mengolah citra beresolusi sangat tinggi (4096×4096 piksel) dari SDO.

 Pengolahan data besar ini memerlukan infrastruktur komputasi berkinerja tinggi (HPC): pelatihan Surya didukung oleh program NAIRR (National AI Research Resource) yang menyediakan akses ke superkomputer dengan GPU NVIDIA.

IBM juga membuat kumpulan data kurasi (SuryaBench) dan alat pendukung, serta merilis model Surya dan kode sumbernya sebagai open source di Hugging Face dan GitHub.

Dengan pendekatan ini, IBM tidak hanya menyediakan kekuatan komputasi dan algoritme AI, tetapi juga basis kerjasama global untuk mempercepat penemuan ilmiah.

Peran NASA:

NASA menyediakan data, keahlian ilmiah, dan tujuan penelitian. NASA berkontribusi data observasi Matahari dari berbagai misi, terutama SDO yang merekam Matahari secara terus-menerus selama sembilan tahun hingga kini.

Data SDO (termasuk citra ultraviolet AIA dan peta kecepatan/magnet HMI) ini menyediakan jejak perilaku Matahari melintasi satu siklus matahari penuh.

NASA juga memfasilitasi integrasi data dari misi lainnya, seperti Parker Solar Probe dan SOHO (kerjasama NASA-ESA), sehingga Surya dapat menangkap informasi dari berbagai sudut pengamatan.

Tujuan utama NASA adalah meningkatkan pemahaman aktivitas Matahari dan mengembangkan sistem peringatan dini cuaca antariksa. Surya diharapkan membantu meramalkan semburan (flare), angin Matahari, dan spektrum ultraviolet yang mempengaruhi atmosfer Bumi.

NASA memimpin proyek ini melalui tim IMPACT AI (Marshall Space Flight Center) sebagai bagian dari inisiatif AI for Science, sejalan dengan strategi NASA mengembangkan foundation model untuk tiap bidang sains (termasuk Earth science dan heliophysics).

NASA juga mendorong akses terbuka dengan menyediakan model Surya untuk komunitas riset luas, sehingga ilmuwan dapat menguji dan mengembangkan aplikasi baru bersama data masa panjang observasi SDO.

Teknologi Utama: Proyek Surya menggabungkan beberapa teknologi canggih:

• Kecerdasan Buatan (AI) Generatif: Model Surya adalah foundation model berbasis deep learning, menggunakan arsitektur transformer untuk citra (vision transformer). Pendekatan ini memungkinkan model belajar langsung dari data mentah tanpa perlu pelabelan manual.

• Pemrosesan Citra Beresolusi Tinggi: Citra Matahari dari SDO beresolusi 4096×4096 piksel—sekitar 10 kali lebih besar dari standar citra dalam AI umum. Untuk mengatasinya, digunakan kombinasi “long-short attention” agar model dapat menangkap pola jangka panjang dan jangka pendek, serta spectral gating yang menyaring data sehingga penggunaan memori berkurang sekitar 5%.

• Komputasi Berkinerja Tinggi (HPC): Pelatihan Surya memerlukan sumber daya komputasi masif. Proyek ini didukung oleh program NAIRR (NSF) yang menyediakan superkomputer dan GPU NVIDIA untuk analisis data heliofisika berskala besar.

• Data Observasi Matahari: Surya dilatih dengan data multi-kanal dari instrumen SDO (contoh: delapan kanal citra AIA dan lima produk HMI) . Data ini mencakup suhu korona, medan magnet, dan kecepatan partikel. Surya juga dirancang sebagai digital twin Matahari, artinya model dapat memanipulasi kondisi Matahari virtual sesuai data aktual.

• Pemodelan Fisik: Meskipun Surya terutama berbasis data, proses latihan model dirancang agar ia “belajar” hukum fisika Matahari secara implisit. Misalnya, model dilatih untuk memprediksi citra Matahari satu jam ke depan, sehingga model menangkap rotasi unik Matahari dan dinamika magnetiknya secara otomatis.

Hasil Awal Proyek:

Uji eksperimental menunjukkan bahwa Surya melampaui metode konvensional. Dalam pengujian klasifikasi flare, model ini memberikan peringatan dua jam sebelum flare terjadi dengan akurasi 16% lebih tinggi dibanding model tradisional.

Surya dapat menghasilkan prediksi citra Matahari menjelang dua jam ke depan, sedangkan model lama hanya sekitar satu jam.

Pada contoh konkret, Surya sukses “mereproduksi” peristiwa badai geomagnetik besar (St. Patrick’s Day storm, 17 Maret 2015); model mampu menangkap coronal mass ejection yang terjadi sekitar pukul 02:10 waktu setempat dan menampilkannya hampir identik dengan observasi sesungguhnya.

Selain itu, Surya diuji dalam beberapa skenario ilmiah utama: memprediksi kemunculan area aktif baru (24 jam ke depan), klasifikasi kemungkinan terjadinya flare besar (24 jam), prediksi kecepatan angin Matahari hingga 4 hari ke depan, dan perkiraan spektrum emisi ultraviolet ekstrem (EUV) dari Matahari.

Pada tugas-tugas tersebut, Surya menunjukkan peningkatan kinerja (misalnya hingga 16% lebih baik dalam prediksi flare) dibandingkan model-model sebelumnya.

Model ini juga cukup fleksibel untuk segera mengadaptasi data dari berbagai sumber (SDO, Parker Probe, SOHO), memperkuat keakuratannya dalam prakiraan cuaca antariksa.

Dampak bagi Sains dan Eksplorasi:

Model Surya diharapkan memberikan dampak luas. Dalam sains heliosfer, Surya mempercepat penelitian dengan menyediakan alat AI yang dapat mengekstrak pola dari petabyte data Matahari terus-menerus.

Akses terbuka ke model dan data Surya memungkinkan peneliti di seluruh dunia bereksperimen dan menciptakan aplikasi baru dalam cuaca antariksa.

Dari segi eksplorasi antariksa, prakiraan cuaca antariksa yang lebih baik sangat krusial untuk keselamatan misi luar angkasa; astronot yang menuju Bulan atau Mars memerlukan peringatan dini untuk berlindung dari radiasi tinggi selama badai Matahari.

Dengan memperpanjang lead time peringatan badai dan meningkatkan ketepatan prakiraan, Surya membantu melindungi satelit, kendaraan ruang angkasa, serta infrastruktur teknologi (GPS, komunikasi, jaringan listrik) di Bumi.

Lebih jauh, arsitektur Surya yang fleksibel dapat diadaptasi untuk ilmu planet dan ilmu Bumi, sehingga memacu inovasi serupa dalam domain lain.

Singkatnya, simulasi digital Matahari ini menandai lompatan penting dalam pemahaman dan mitigasi bahaya cuaca antariksa, sambil membuka peluang baru bagi ilmu pengetahuan dan teknologi luar angkasa.

Referensi: 

https://www.wired.com/story/ibm-and-nasa-develop-a-digital-twin-of-the-sun-to-predict-future-solar-storms
https://cincodias.elpais.com/smartlife/lifestyle/2025-08-25/ibm-nasa-surya-inteligencia-artificial.html
https://techradar.com/pro/ibm-and-nasa-have-built-an-ai-model-to-predict-solar-flares-which-could-wipe-out-all-technology-on-earth
https://space.com/astronomy/sun/meet-surya-the-1st-of-its-kind-ai-model-nasa-and-ibm-built-to-predict-solar-storms
https://science.nasa.gov/science-research/artificial-intelligence-model-heliophysics/
https://research.ibm.com/blog/surya-heliophysics-ai-model-sun
https://newsroom.ibm.com/2025-08-20-ibm-and-nasa-release-groundbreaking-open-source-ai-model-on-hugging-face-to-predict-solar-weather-and-help-protect-critical-technology
https://zeromission.io/news/why-ibm-nasas-surya-matters-for-our-industry
https://science.data.nasa.gov/features-events/inside-surya-solar-ai-model
https://livescience.com/technology/artificial-intelligence/ibm-and-nasa-create-first-of-its-kind-ai-that-can-accurately-predict-violent-solar-flares
https://timesofindia.indiatimes.com/science/nasa-and-ibm-create-surya-advanced-ai-for-predicting-solar-storms-and-strengthening-space-defence/articleshow/123423418.cms
https://www.aiworldtoday.net/p/surya-ibm-and-nasas-ai-digital-twin
https://arxiv.org/abs/2508.14112

Laporan Lengkap GPT-5 oleh OpenAI

GPT-5 baru saja diluncurkan OpenAI sebagai generasi penerus GPT-4. Model ini disebut OpenAI sebagai flagship model (model unggulan) terbaru yang “paling cerdas, paling cepat, dan paling berguna”. GPT-5 merupakan sistem terpadu yang secara otomatis memilih cara paling efisien untuk menjawab pertanyaan: sebagian pertanyaan diselesaikan oleh model “cepat”, sedangkan masalah kompleks ditangani oleh model pemikiran dalam (GPT-5 thinking) melalui pengatur waktu (router) real-time. Arsitektur ini menggabungkan model inti, model penalaran mendalam, dan “mini” yang menjawab saat batas penggunaan tercapai, sehingga kemampuan berpikir dan konteks luas semakin optimal.

Ilustrasi: OpenAI menyebut GPT-5 sebagai model unggulan terbaru (“flagship model”).

1. Harga

• ChatGPT Plus: Langganan bulanan Plan Plus ditetapkan $20 USD/bulan (sekitar Rp 325.000). Paket Plus kini termasuk akses GPT-5 (dengan kuota penggunaan lebih tinggi). Ada juga paket Pro ($200/bulan) yang menambah akses tanpa batas ke fitur GPT-5 Pro dan GPT-5 thinking.

• API GPT-5: OpenAI juga menyediakan GPT-5 lewat API berbayar terpisah. Menurut situs resmi, biaya token API GPT-5 adalah: $1,25 per 1.000 token input dan $10,00 per 1.000 token output. Terdapat varian yang lebih murah: GPT-5 mini ($0,25/1.000 input, $2,00/1.000 output) dan GPT-5 nano ($0,05/1.000 input, $0,40/1.000 output). Dengan konteks 400.000 token, ini memungkinkan pemrosesan teks/gambar sangat panjang. Ringkasan biaya model GPT-5 (input/output) adalah sebagai berikut:

  Model	Input (US$ per 1.000 token)	Output (US$ per 1.000 token)
  GPT-5	1,25 (US$1,25)	10,00 (US$10,00)
  GPT-5 Mini	0,25 (US$0,25)	2,00 (US$2,00)
  GPT-5 Nano	0,05 (US$0,05)	0,40 (US$0,40)

  Sumber: OpenAI (API Pricing).

2. Kecanggihan Teknologi GPT-5

GPT-5 memperkenalkan banyak peningkatan dibanding GPT-4. OpenAI menekankan GPT-5 lebih cepat, akurasi lebih tinggi, dan lebih sedikit halusinasi. Menurut OpenAI, GPT-5 menjawab pertanyaan dengan lebih cepat dan lebih sedikit token daripada model sebelumnya; misalnya, dengan 50–80% lebih sedikit token keluaran untuk tugas-tugas kompleks berkat “waktu berpikir” (thinking time) yang lebih efisien. Halusinasi (jawaban palsu) berkurang tajam: uji coba internal menunjukkan ~45% lebih rendah peluang kesalahan faktual dibanding GPT-4o biasa, dan hingga ~80% lebih rendah saat model berpikir lebih lama. Bahkan pada pertanyaan terbuka, “GPT-5 thinking” mencatat enam kali lebih sedikit halusinasi daripada model terdahulu.

Dalam praktik, GPT-5 unggul di berbagai domain. Sebagai model kolaborator pemrograman, GPT-5 dapat menghasilkan kode siap pakai dengan desain antarmuka lebih baik dan debugging yang lebih efisien. Di bidang penulisan kreatif, GPT-5 mampu mengolah ide kasar menjadi tulisan puitis atau profesional dengan kedalaman dan alur lebih baik. Untuk kesehatan, GPT-5 adalah “model terbaik kami sejauh ini” untuk pertanyaan medis, memberikan jawaban lebih tepat dan andal serta proaktif mengajukan pertanyaan lanjutan jika diperlukan. Selain itu, GPT-5 dirancang lebih jujur, mampu mengakui keterbatasan (misalnya, tidak membuat jawaban palsu untuk tugas mustahil) serta memberikan “refusal” dengan penjelasan ketika perlu.

Arsitektur GPT-5 meliputi model inti untuk respons cepat, model “penalaran” yang berproses lebih lama untuk masalah sulit, dan sistem router yang menentukan secara real-time model mana yang digunakan berdasarkan kompleksitas dan konteks percakapan. Model GPT-5 dilatih menggunakan superkomputer Azure, dan kini mendukung jendela konteks hingga 400.000 token (termasuk teks dan visual) – memungkinkan memahami percakapan atau dokumen sangat panjang. OpenAI juga menambahkan parameter baru di API, seperti opsi minimal reasoning dan verbosity, untuk kontrol yang lebih presisi dalam penggunaan GPT-5. Pengujian internal menunjukkan GPT-5 mencatat skor lebih tinggi di banyak tolok ukur, misalnya mencapai 74,9% pada SWE-Bench Verified (vs 69,1% di generasi sebelumnya).

3. Fitur Terpadu ChatGPT dengan GPT-5

Peluncuran GPT-5 dibarengi beragam fitur baru di ChatGPT:

• Integrasi Produktivitas: Mulai minggu awal setelah peluncuran, pengguna ChatGPT Pro dapat menghubungkan akun Google mereka (Gmail, Google Calendar, Google Contacts) ke ChatGPT. Setelah dihubungkan, ChatGPT otomatis menyertakan info email atau jadwal saat dibutuhkan—misalnya, menjadwalkan pertemuan atau menulis email balasan berdasarkan konteks. Fitur serupa akan menyusul di paket Plus dan lainnya. Mode Study Mode baru juga diperkenalkan, memudahkan belajar melalui pembelajaran terpandu: pengguna memilih “Study and learn” dari menu Tools, dan GPT-5 memberikan bantuan langkah-demi-langkah untuk materi pelajaran. Selain itu, Plus/Pro mendukung pembuatan proyek, tugas, dan GPT kustom (model buatan pengguna) untuk manajemen kerja lebih terstruktur.

• Personalisasi dan Kontrol: ChatGPT kini memungkinkan pengguna memilih kepribadian asisten (misalnya, “Cynic”, “Robot”, “Listener”, “Nerd”) dan tema warna obrolan agar terasa lebih personal. Mode suara (“Voice Mode”) ditingkatkan dengan suara yang lebih alami dan kemampuan mengatur gaya bicara AI sesuai preferensi pengguna. Pada antarmuka, pengguna Pro/Plus dapat menyesuaikan tampilan ChatGPT (mis. warna latar) serta mengakses mode layar penuh (canvas) dan alat bawaan tambahan. Menurut OpenAI, personalisasi ini membuat AI terasa lebih unik dan “seperti kolaborator” daripada sekadar alat generik.

• Fitur ChatGPT Lainnya: Selain integrasi Google, fitur baru lainnya mencakup kanvas papan tulis (canvas) untuk mengedit gambar/sketsa langsung, mode Privacy Recorder untuk merekam (opsional), dan Advanced Voice Mode (suara + video) untuk interaksi lebih kaya. Untuk fokus belajar, mode Study membantu pelajar dengan pertanyaan dan kuis berkala. Fitur “vibe coding” yang ditampilkan dalam demo (menghasilkan aplikasi web fungsional dari deskripsi teks dalam hitungan menit) menunjukkan betapa cepatnya GPT-5 membantu pemrograman. Secara keseluruhan, GPT-5 dan ChatGPT v terbaru “menangani semua keputusan pemilihan model untuk Anda” secara otomatis, sehingga pengguna tidak perlu lagi memilih model manual.

Sumber: Informasi di atas diambil dari sumber resmi OpenAI dan laporan media tepercaya yang mengonfirmasi harga, teknologi, dan fitur baru GPT-5. Informasi API (harga token) mengacu ke halaman harga OpenAI.