由美国新泽西理工学院牵头的科研团队发布最新研究，成功打造出机器学习模型 EarlyDetect，可从太阳声学活动和磁场变化中识别活动区形成前兆，为太阳风暴预警争取更长的准备时间。
太阳活动区是太阳表面磁场强烈的区域，太阳黑子通常在其中形成。活动区开始浮现可能只需数小时，但完整发展过程通常需要 1 到数天。研究人员希望利用更早出现的信号，为空间天气预报提供补充信息。
EarlyDetect 模型采用 Transformer 架构，处理连续的太阳观测数据，分析美国国家航空航天局太阳动力学观测台搭载的日震与磁成像仪数据。该仪器记录的太阳振动观测时间间隔为 45 秒，研究团队据此生成声学功率图，再与磁场测量结果结合，预测连续强度变化。性能最佳的版本平均提前 9.24 小时识别出活动区即将出现的信号。
以太阳活动区 AR11158 的形成过程为例，研究人员同时观察太阳磁场、连续强度和声学功率，并把目标区域划分为更小的区块，持续追踪变化。结果显示，声学功率首先下降；随后，连续强度和磁场出现变化，活动区逐渐变得可见。这表明太阳内部磁场上升时，可能先在声波传播中留下微弱痕迹，而这些痕迹恰恰是 AI 提前捕捉的关键线索。
如果模型得到进一步验证，卫星通信公司和电网运营商将可能获得更长的准备时间，用于调整运行策略和评估太阳风暴风险。强太阳风暴曾多次造成卫星故障、通信中断与电网波动，提前数小时的预警对基础设施运营方意义重大。
不过，研究团队也强调，EarlyDetect 目前尚未投入实际运行，从实验室模型到业务化预警系统仍有距离，后续还需要更多观测数据的持续验证与模型迭代。
文章与图片内容转载网络，如有侵权请联系平台删除
发表评论 取消回复