美国新泽西理工学院（NJIT）领衔的科研团队近日宣布，他们开发出一款名为EarlyDetect的机器学习模型，能够通过分析太阳声学活动与磁场变化，提前捕捉太阳活动区形成的早期迹象。这一突破为空间天气预报提供了新的技术手段，有望延长相关行业应对太阳风暴的预警时间。
太阳活动区是太阳表面磁场异常活跃的区域，太阳黑子通常在此形成。传统观测显示，活动区从初现到完全发展可能需要数小时至数天时间。研究团队指出，现有预报系统主要依赖活动区浮现后的数据，而EarlyDetect模型通过挖掘更早期的物理信号，有望将预警时间大幅提前。
该模型基于Transformer架构构建，可连续处理美国国家航空航天局（NASA）太阳动力学观测台（SDO）搭载的日震与磁成像仪（HMI）采集的数据。HMI设备每45秒记录一次太阳振动信息，研究团队将这些数据转化为声学功率图，并与磁场测量结果进行融合分析，从而预测活动区形成的连续强度变化。
在针对太阳活动区AR11158的验证测试中，模型展现出显著效果：性能最优版本平均可提前9.24小时识别出活动区即将出现的信号。研究人员通过将目标区域划分为更小单元并持续追踪，发现声学功率会率先下降，随后连续强度和磁场强度相继发生变化，最终活动区逐渐显现。这一现象表明，太阳内部磁场上升过程中，可能首先在声波传播路径上留下可检测的痕迹。
目前该模型仍处于实验室验证阶段，尚未投入实际应用。研究团队强调，若后续测试证实其可靠性，卫星通信企业和电网运营商将获得更充裕的时间调整运营策略。例如，运营商可根据预警信息临时关闭敏感设备或切换备用系统，从而降低太阳风暴对基础设施的潜在损害。不过团队同时指出，从实验室成果到实际部署仍需克服多项技术挑战。
