Antes de que una mancha solar aparezca, la actividad magnética que la produce ya está desarrollándose bajo la superficie visible del Sol durante varias horas.
Un nuevo sistema de inteligencia artificial logró reconocer señales extremadamente débiles de ese proceso y anticipar la aparición de regiones activas solares con bastante antelación.
El estudio fue publicado en Journal of Geophysical Research: Machine Learning and Computation y utilizó observaciones obtenidas por el Solar Dynamics Observatory de NASA.
Estas regiones activas concentran campos magnéticos intensos y pueden producir manchas solares, llamaradas y expulsiones de plasma capaces de afectar tecnología alrededor de la Tierra.
Pero predecir cuándo aparecerá una región activa resulta difícil porque empieza formándose debajo de la superficie solar, donde los telescopios no pueden observarla directamente todavía.
Los investigadores aprovecharon una técnica llamada heliosismología, que estudia pequeñas vibraciones del Sol para obtener información sobre procesos que ocurren debajo de su superficie.
Cuando campos magnéticos emergentes ascienden por el interior solar, modifican ligeramente esas ondas y también producen pequeños cambios en el campo magnético que podemos medir.
El problema es que esas señales son muy sutiles y quedan mezcladas con enormes cantidades de información, por lo que resulta difícil identificarlas mediante métodos convencionales.
Para buscar esos patrones, el equipo desarrolló EarlyDetect, un modelo basado en una arquitectura Transformer, similar en principio a la utilizada por muchos sistemas modernos.
En lugar de analizar palabras, este modelo examinó mapas horarios de actividad acústica y mediciones del campo magnético tomadas por instrumentos que observan continuamente el Sol.
Los investigadores entrenaron y evaluaron el sistema utilizando datos de 46 regiones activas, y comprobaron su comportamiento con ejemplos que no había visto previamente.
La mejor versión logró detectar el comienzo de una región activa unas 9,24 horas antes de que fuera visible, en promedio, superando métodos anteriores utilizados.
El modelo también podía realizar predicciones hasta doce horas hacia adelante, aunque su rendimiento variaba y algunas detecciones todavía llegaban tarde o producían falsas alarmas.
Uno de los resultados más sorprendentes apareció cuando los científicos intentaron limpiar los datos para eliminar ruido y hacer más evidentes las tendencias generales observadas.
Ese filtrado empeoró las predicciones porque también eliminaba pequeñas fluctuaciones que, según el modelo, contenían precisamente algunas de las señales precursoras más tempranas disponibles.
Esto sugiere que detalles aparentemente insignificantes dentro de datos solares muy ruidosos pueden contener información útil que ciertos algoritmos consiguen aprovechar mejor que nosotros.
Sin embargo, detectar una región activa antes de que aparezca no significa predecir una llamarada solar o una eyección de masa coronal con nueve horas.
Muchas regiones activas nunca producen grandes erupciones, por lo que EarlyDetect todavía no funciona como un sistema directo de alerta de tormentas solares para nuestro planeta.
El modelo tampoco está listo para utilizarse de manera operativa y tendrá que probarse con muchas más regiones solares antes de confiar en sus predicciones rutinariamente.
Si futuras pruebas confirman su rendimiento, este tipo de inteligencia artificial podría mejorar los avisos de clima espacial y dar más preparación a satélites e infraestructuras.