Un equipo del Instituto Tecnológico de Nueva Jersey desarrolló un modelo de inteligencia artificial que detecta señales tempranas de futuras regiones activas del Sol con unas 9 horas de anticipación. El avance podría ayudar a ganar tiempo frente a tormentas solares capaces de afectar satélites, redes eléctricas y servicios de comunicaciones

El sistema, llamado EarlyDetect, fue probado con regiones activas que no había visto antes y superó a un método de referencia previo, según el estudio publicado en Journal of Geophysical Research: Machine Learning and Computation

Señales invisibles antes de las manchas solares

La investigación parte de una idea central: mucho antes de que aparezcan las manchas oscuras en la superficie solar, ya se producen rastros sutiles de una nueva región activa. Esas zonas pueden dar origen a erupciones intensas y tardan de varias horas a varios días en desarrollarse por completo

El método fue creado por Jonas Tirona junto con científicos informáticos y físicos solares del NJIT, además de colaboradores de la Universidad de Princeton y del Centro de Investigación Ames de la NASA, a partir de observaciones del Observatorio de Dinámica Solar

Cómo mira el modelo debajo de la superficie

EarlyDetect busca huellas acústicas y magnéticas. A medida que los campos magnéticos ascienden hacia la superficie, dejan cambios débiles en las ondas acústicas del Sol. Esas variaciones pueden estudiarse mediante la heliosismología, una disciplina que analiza sus vibraciones

Para hacerlo, el sistema trabaja con mapas horarios de potencia acústica y mediciones del campo magnético. Los datos se construyen a partir de observaciones registradas cada 45 segundos por el instrumento HMI, a bordo del observatorio solar

Tirona sostuvo que el valor del proyecto está en demostrar que el aprendizaje automático puede anticipar la aparición de regiones activas. Alexander Kosovichev, coinvestigador principal, explicó que la dificultad está en que el proceso comienza bajo la superficie visible, donde no puede observarse directamente la estructura magnética

El científico añadió que el modelo intenta captar cambios muy pequeños en el campo magnético y en el patrón de las ondas acústicas, una tarea comparable, dijo, a detectar una leve variación de ritmo en medio de una orquesta muy ruidosa

Un filtro que restaba precisión

EarlyDetect utiliza una arquitectura Transformer, de la misma familia tecnológica de los grandes modelos de lenguaje. Pero en este caso no aprende texto: aprende patrones solares para anticipar cambios en la actividad del Sol

Durante el desarrollo, el equipo detectó que una técnica de filtrado pensada para ayudar al sistema en realidad bajaba su rendimiento. Ese procedimiento suavizaba fluctuaciones muy débiles que contenían la advertencia más temprana

Según los investigadores, la mejor versión del modelo identificó señales precursoras una media de 9,24 horas antes de que las regiones activas se hicieran visibles

Promesa científica, pero todavía no operativa

El grupo advirtió que el sistema aún no está listo para usarse como advertencia en tiempo real. Fue entrenado con eventos ya conocidos y todavía puede generar falsas alarmas o llegar tarde en algunos casos

Además, detectar una región activa no equivale a predecir una llamarada solar o una eyección de masa coronal. Muchas regiones nunca terminan produciendo erupciones importantes, por lo que el método necesita validarse con muchos más eventos solares

Como parte del proyecto, los investigadores difundieron SolARED, presentado como el primer conjunto de datos públicos sobre la aparición de regiones solares activas, y el portal SAR, una plataforma web interactiva para explorar esa información

Para los autores, el trabajo abre una vía para que la inteligencia artificial mejore la predicción del clima espacial, aunque por ahora solo marca un paso inicial en esa dirección