Modelo de IA predice tormentas solares con 9.24 horas de antelación utilizando datos acústicos y magnéticos

Un equipo de investigación del Instituto Tecnológico de Nueva Jersey (NJIT) ha desarrollado un modelo de aprendizaje automático llamado EarlyDetect, capaz de identificar las primeras señales de tormentas solares con hasta 9.24 horas de antelación. El modelo analiza las ondas acústicas y los cambios en el campo magnético del Sol para detectar los precursores de la formación de regiones activas. EarlyDetect utiliza una arquitectura Transformer para procesar los datos del Helioseismic and Magnetic Imager (HMI) del Observatorio de la Dinámica Solar (SDO) de la NASA. El HMI registra las vibraciones solares cada 45 segundos, que se utilizan para crear mapas de potencia acústica. Estos mapas se combinan con las mediciones del campo magnético para predecir los cambios de intensidad. La mejor versión del modelo puede detectar señales que indican que una región activa se está formando con 9.24 horas de antelación a su visibilidad. Los investigadores utilizaron la región activa solar AR11158 como caso de estudio, observando los campos magnéticos, la intensidad y los cambios en la potencia acústica. Observaron que la potencia acústica disminuye primero, seguida de los cambios en la intensidad y los campos magnéticos. Esto sugiere que las ondas sonoras pueden dejar rastros antes de que el campo magnético del Sol se eleve. Si se valida, el modelo podría ayudar a las empresas de comunicación por satélite y a los operadores de la red eléctrica a prepararse para las tormentas solares. Sin embargo, el equipo enfatizó que EarlyDetect aún no está operativo. El estudio destaca el potencial de la IA en la predicción del tiempo espacial, ofreciendo una nueva herramienta para monitorizar la actividad solar. Los investigadores dividieron el área objetivo en bloques más pequeños para realizar un seguimiento continuo de los cambios. Sus hallazgos indican que los cambios en la potencia acústica pueden preceder a las regiones activas visibles, proporcionando una señal de advertencia temprana. Esto podría permitir una mejor evaluación de riesgos y ajustes operativos. El trabajo del equipo representa un importante paso adelante en la comprensión de la dinámica solar y la mejora de la predicción del tiempo espacial. El éxito del modelo en la detección de las primeras señales de tormentas solares subraya el papel cada vez mayor de la IA en la investigación científica y las aplicaciones prácticas.