Prueban un modelo de IA que podría predecir tormentas solares y mejorar la protección de satélites

Un equipo liderado por el Instituto Tecnológico de Nueva Jersey desarrolló un modelo de IA capaz de detectar señales ocultas de futuras regiones activas del Sol con 9 horas de anticipación.

El avance podría ampliar el margen de preparación ante tormentas solares que afectan a empresas de comunicaciones por satélite y redes eléctricas.

El sistema, llamado EarlyDetect , fue probado con regiones activas que no habían sido vistas antes por el modelo y superó a un método de referencia anterior, según el estudio publicado en la revista Journal of Geophysical Research: Machine Learning and Computation .

La investigación sostiene que mucho antes de que aparezcan las manchas solares oscuras en la superficie, una nueva región activa ya deja rastros sutiles de su formación.

Esas zonas, donde pueden originarse erupciones solares potentes, emergen a lo largo de varias horas, aunque su desarrollo completo puede tardar de uno a varios días.

Jonas Tirona , estudiante de grado del NJIT e investigador principal del trabajo, desarrolló el método junto con científicos informáticos y físicos solares de esa institución, 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 de la NASA.

El modelo busca huellas acústicas y magnéticas El estudio explica que, a medida que los campos magnéticos ascienden hacia la superficie solar, dejan huellas débiles en las ondas acústicas.

Esas variaciones pueden seguirse mediante la heliosismología, la disciplina que estudia las vibraciones del Sol.

Para localizarlas, EarlyDetect analiza mapas horarios de potencia acústica y mediciones del campo magnético obtenidas por el Observatorio de Dinámica Solar.

Los mapas acústicos se construyen con observaciones de ondas sonoras registradas cada 45 segundos por el generador de imágenes heliosísmicas y magnéticas, conocido como HMI, a bordo del observatorio.

Tirona explicó que el valor principal del trabajo es demostrar que el aprendizaje automático puede anticipar cuándo emergerán regiones solares activas.

Añadió: “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”.

Alexander Kosovichev, distinguido profesor de física del NJIT y coinvestigador principal del proyecto, describió el problema de observación de esta forma: “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”.