由美国新泽西理工学院（NJIT）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，可从太阳的声学活动和磁场变化中识别活动区形成前兆。
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。研究人员希望借助更早的信号，为空间天气预报提供补充信息。
用 Transformer 读 SDO 数据，平均提前 9.24 小时预警
EarlyDetect 采用 Transformer 架构处理连续的太阳观测数据，分析 NASA 太阳动力学观测台（SDO）搭载的日震与磁成像仪（HMI）数据。HMI 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可提前 9.24 小时识别活动区即将出现的信号。
研究人员以太阳活动区 AR11158 的形成过程作为可视化案例，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才出现变化，活动区逐渐变得可见。这意味着太阳内部磁场上升时，可能先在声波传播中留下微弱痕迹。
如果模型得到进一步验证，卫星通信公司和电网运营商有望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。不过研究团队强调，EarlyDetect 目前尚未投入运行。
