Introdução
Uma nova inteligência artificial desenvolvida por pesquisadores do New Jersey Institute of Technology (NJIT) foi capaz de antecipar a formação de regiões ativas no Sol, detectando sinais sutis antes que elas aparecessem na superfície. O modelo EarlyDetect conseguiu antecipar esse surgimento em média 9,24 horas.
Detecção de Mudanças
O modelo EarlyDetect identificou mudanças sutis no campo magnético e nas ondas acústicas que atravessam o Sol. Essas mudanças eram indicadoras de que regiões ativas estavam se formando.
Detalhes do Modelo
O modelo EarlyDetect é uma arquitetura Transformer, tecnologia também presente em grandes modelos de linguagem. Ele analisa mapas horários de potência acústica e dados do campo magnético coletados pelo Solar Dynamics Observatory (SDO), da NASA.
Problemas Iniciais
Após a implementação inicial, um filtro aplicado aos dados estava removendo pequenas flutuações dos dados, o que, ao contrário do esperado, piorou os resultados. O filtro deveria destacar padrões de curta duração, mas, na prática, removia essas flutuações.
Melhor Desempenho
Após a remoção do filtro, o modelo EarlyDetect encontrou os sinais precursores 9,24 horas antes da formação completa das regiões ativas, em média. Esse resultado foi superior ao obtido por um Transformer convencional e por uma abordagem anterior usada como referência.
Dataset e Plataforma
A equipe criou o Solar Active Region Emergence Dataset (SolARED), conjunto público de observações do SDO, e o Solar Active Region (SAR) Portal, plataforma para explorar os dados.
Futuras Aplicações
Por enquanto, o sistema não está pronto para fazer previsões em tempo real. Ainda há falsos alarmes e casos em que o aviso chega tarde. O modelo também não indica que uma erupção necessariamente ocorrerá: muitas regiões ativas nunca produzem grandes eventos, como ejeções de massa coronal.
Conclusão
Os pesquisadores pretendem testar a abordagem em mais eventos solares antes de transformá-la em uma ferramenta operacional de previsão do clima espacial.