新AI模型可提前数小时检测太阳爆发的隐藏迹象

# 新型AI模型能在太阳耀斑爆发前数小时探测隐藏迹象 来源：https://news.njit.edu/new-ai-model-detects-hidden-signs-solar-eruptions-hours-they-emerge 在太阳表面出现暗黑太阳黑子之前很久，一个新的活跃区域——即可能产生强大太阳耀斑的源头——就开始显现出其形成的微妙迹象。 现在，研究人员表示，一种新型人工智能模型能够探测这些早期信号，并平均提前近九小时预测太阳活跃区域的出现。 在8月14日发表于《地球物理研究杂志：机器学习与计算》的一项研究中（https://agupubs.onlinelibrary.wiley.com/doi/full/10.1029/2025JH001207），一个由新泽西理工学院（NJIT）领导的研究团队报告了一个名为EarlyDetect的人工智能模型，该模型能够识别太阳声学活动和磁场中活跃区域出现的先兆信号。 此前，科学家们一直难以捕捉到这样的信号。 NJIT本科生研究员、本研究的通讯作者乔纳斯·蒂罗纳与NJIT的计算机科学家、太阳物理学家以及普林斯顿大学和NASA艾姆斯研究中心的合作者一起，利用NASA太阳动力学天文台（SDO）的观测数据开发了这一方法。 “这项工作最有价值之处在于，我们能够利用机器学习提前预测太阳活跃区域何时出现，”即将升入计算机科学专业大四、同时是阿尔伯特·多尔曼荣誉学院学者的蒂罗纳说，“这种早期预警可以让卫星通信公司或电网公司做好准备，并可能减轻太阳风暴带来的损害。” 活跃区域——即太阳黑子形成的强磁区域——需要数小时才能开始显现，而其完全发展可能需要一到数天时间。 当磁场向太阳表面上升时，它们会在声波中留下微弱的痕迹，科学家可以通过日震学（即研究太阳振动的学科）来探测这些痕迹。 **上图：***2026年2月初，太阳上一个极端动态的活跃区域转入地球视野。在近两周的时间里，这个被指定为AR4366的活跃区域产生了强烈的太阳耀斑。这些爆发被包括NASA太阳动力学天文台（SDO）在内的多个航天器观测到。这段视频将九天的太阳活动浓缩为仅四分钟，播放速度是实时的3240倍。***来源：**NASA戈达德太空飞行中心/SDO。 为了识别这些特征，研究团队的EarlyDetect模型分析了NASA太阳动力学天文台每小时的声学功率图和磁场测量数据。 这些声学图源自搭载在NASA SDO上的日震和磁成像仪（HMI）每45秒记录一次的声波观测。 “主要的难点在于，活跃区域开始在太阳可见表面之下发展，而我们无法直接观测其磁场结构，”NJIT杰出物理学教授、本项目联合首席研究员亚历山大·科索维丘克说，“相反，我们寻找的是磁场和不断穿过太阳的声波模式中极其微小的变化。这更像是在检测一个非常嘈杂的管弦乐队中节奏的细微变化。” 研究团队的模型采用了Transformer架构——这与ChatGPT等大语言模型所使用的AI技术类型相同。虽然那些系统学习的是文本中的模式，但EarlyDetect学习的是太阳观测中的模式，以预测太阳活动的未来变化。 去年加入该项目后，蒂罗纳和团队发现，他们此前应用的一种旨在帮助AI模型识别太阳数据中重要模式的滤波技术，实际上却使其预测变得更糟。 “这最让我们感到惊讶，”科索维丘克说，“我们最初期望它能帮助分离出有用的短时间尺度模式。结果它反而平均掉了那些提供最早预警的非常微弱的波动。” “这有点像降噪……它通常会去除嘈杂的声音，让你能更好地看到整体趋势，”蒂罗纳说，“但我们发现它几乎在每种情况下都有害。被滤波器去除的信号，对帮助模型预测活跃区域何时出现实际上非常重要。” **动画：***此可视化图展示了利用太阳磁场、连续谱强度和由多普勒速度测量得到的声学功率观测，来呈现太阳活跃区域AR11158的出现过程。暖色和冷色代表相反的磁极性。被追踪的区域被划分为更小的区块，以监测随时间的变化。声学功率的下降首先出现，为活跃区域的出现提供了早期特征，随后随着活跃区域变得可见，连续谱强度和磁场发生变化。该可视化图说明了EarlyDetect机器学习模型使用的数据分析流程，该模型旨在预测活跃区域的出现。该模型尚未投入运行。***来源：**伊琳娜·N·基蒂亚什维利（NASA艾姆斯研究中心）和斯皮里东·卡萨皮斯（普林斯顿大学）。 在使用NASA SDO/HMI的观测数据进行训练后，研究人员在从未见过的活跃区域上对EarlyDetect进行了测试。 表现最佳的版本在活跃区域变得可见之前平均9.24小时识别出先兆信号，其表现优于标准Transformer模型和之前的基准方法。 “机器学习在太阳活动预测中尚未得到广泛应用，”NJIT数据科学助理教授、本项目首席研究员徐梦佳说，“我们的工作表明，先进的机器学习模型可以为未来的空间天气预测开辟新的可能性。” 该项目是NJIT格蕾丝·霍珀人工智能研究所（https://news.njit.edu/njits-grace-hopper-ai-research-institute-launches-1-million-research-proposals）支持的首批项目之一，该研究所于2025年成立，旨在推进跨学科AI研究。NASA日球层物理学和空间天气研究资助也为该项目提供了额外支持，其中包括NASA科学驱动中心——太阳内部和外部的场与流后果（COFFIES）项目。 为了帮助其他研究人员在此基础上继续开展工作，该团队还发布了太阳活跃区域出现数据集（SolARED），这是一个从SDO汇编的公开可用的太阳活跃区域观测集合，以及太阳活跃区域（SAR）门户（https://sun.njit.edu/sarportal/?utm_source=chatgpt.com）——一个用于探索数据的交互式网络平台。 “这是首个关于太阳活跃区域出现的公开数据集，”徐梦佳说，“它为机器学习和日球层物理学界开发和测试新的预测方法提供了共享资源。” 尽管前景光明，但蒂罗纳表示，EarlyDetect尚未准备好进行实时预测。该模型是在已知的出现事件上训练的，仍然偶尔会产生误报或预测滞后。 出现预警也并不意味着耀斑或日冕物质抛射一定会发生——许多活跃区域从未产生过重大爆发。该团队表示，他们仍然需要在更多太阳事件上验证这一方法。 “我希望这个项目能让更多人了解机器学习如何为日球层物理学做出贡献，”蒂罗纳说，“如果像这样的模型有一天能帮助预测太阳天气事件，那将是非常酷的。我们还未达到那一步——但这是一个令人兴奋的进展。”