Nueva
herramienta de IA para la detección temprana de erupciones solares
Por: Jesse Jenskins, Instituto Tecnológico de New Jersey.
14 de agosto de 2026
Observación solar desde la SDO. Crédito de la imagen: Centro de Vuelos Espaciales Goddard de la NASA/SDO.
Mucho antes de que aparezcan las manchas solares oscuras en la superficie del Sol, una nueva región activa (donde pueden originarse potentes erupciones solares) comienza a mostrar sutiles señales de su formación. Ahora, los investigadores afirman que un nuevo modelo de inteligencia artificial puede detectar esas señales tempranas y predecir la aparición de regiones solares activas con casi nueve horas de antelación, en promedio.
Un equipo de investigación liderado por el Instituto Tecnológico de Nueva Jersey (NJIT) informa que un modelo de inteligencia artificial llamado EarlyDetect puede identificar señales precursoras de la aparición de regiones activas en la actividad acústica y el campo magnético del sol. Hasta ahora, los científicos han tenido dificultades para captar dichas señales. Jonas Tirona, estudiante de pregrado del NJIT e investigador principal del estudio, desarrolló este método junto con científicos informáticos y físicos solares del NJIT, así como con colaboradores de la Universidad de Princeton y del Centro de Investigación Ames de la NASA, utilizando observaciones del Observatorio de Dinámica Solar (SDO) de la NASA.
“Lo más valioso que demuestra este trabajo es que podemos usar el aprendizaje automático para predecir con antelación cuándo surgirán las regiones solares activas. Esta alerta temprana podría permitir a las empresas de comunicaciones por satélite o a las compañías eléctricas prepararse y, potencialmente, mitigar los daños causados por las tormentas solares”, afirmó Tirona.
A medida que los campos magnéticos ascienden hacia la superficie del Sol, dejan tenues huellas en las ondas acústicas que los científicos pueden detectar mediante la heliosismología, el estudio de las vibraciones solares. Para identificar esas señales, el modelo EarlyDetect del equipo analiza mapas horarios de potencia acústica y mediciones del campo magnético.
Los mapas acústicos se derivan de las observaciones de ondas sonoras registradas cada 45 segundos por el generador de imágenes heliosísmicas y magnéticas (HMI, por sus siglas en inglés) a bordo del SDO de la NASA. “La principal dificultad reside en que una región activa comienza a desarrollarse bajo la superficie visible del Sol, donde no podemos observar directamente la estructura magnética”, afirmó Alexander Kosovichev, profesor de física del NJIT y coinvestigador principal del proyecto.
El modelo del equipo utiliza una arquitectura Transformer, el mismo tipo de tecnología de IA que se emplea en grandes modelos de lenguaje como ChatGPT. Mientras que esos sistemas aprenden patrones en el texto, EarlyDetect aprende patrones en las observaciones solares para predecir futuros cambios en la actividad del Sol. Tras entrenar al modelo con observaciones del SDO/HMI de la NASA, los investigadores probaron EarlyDetect en regiones activas que el modelo nunca había visto antes. La versión con mejor rendimiento identificó señales precursoras un promedio de 9,24 horas antes de que las regiones activas se volvieran visibles.
Para ayudar a otros investigadores a desarrollar este trabajo, el equipo también ha publicado el conjunto de datos de emergencia de regiones activas solares (SolARED), una colección de acceso público de observaciones de regiones activas solares recopiladas a partir de datos del SDO, junto con el portal de regiones activas solares (SAR) , una plataforma web interactiva para explorar los datos. Aunque prometedor, Tirona afirmó que EarlyDetect aún no está listo para la predicción en tiempo real. El modelo se entrenó con datos de eventos de emergencia conocidos y todavía produce falsas alarmas ocasionales o predicciones tardías.
Fuente:
https://news.njit.edu/new-ai-model-detects-hidden-signs-solar-eruptions-hours-they-emerge