##

人工智能平均在新兴太阳活动区可见之前约九小时就检测到了它们微弱的迹象。

一个名为早期发现（EarlyDetect）的模型平均能在新活动区出现前近九小时检测到其形成迹象。该系统由新泽西理工学院（NJIT）牵头的研究团队开发，相关成果发表在《地球物理研究杂志：机器学习与计算》上。

新泽西理工学院（NJIT）的本科生研究员乔纳斯蒂罗娜（该研究的通讯作者）与NJIT的计算机科学家、太阳物理学家以及普林斯顿大学和美国国家航空航天局（NASA）艾姆斯研究中心的合作者共同开发了该模型。这项研究使用了NASA太阳动力学天文台（SDO）收集的观测数据。

这项研究最有价值的发现是，我们可以利用机器学习提前预测太阳活动区何时出现，即将升入大四的计算机科学专业学生、阿尔伯特多尔曼荣誉学院学者蒂罗纳说。这种早期预警可以让卫星通信公司或电网公司做好准备，并有可能减轻太阳风暴造成的损害。

这个可视化展示了利用磁场、连续谱强度和声学功率观测数据研究太阳活动区AR11158的浮现过程。声学功率下降首先出现，为浮现提供早期迹象，随后是强度和磁场的变化。该可视化展示了EarlyDetect背后的数据分析流程，这是一个正在开发的用于预测活动区浮现的机器学习模型。该模型尚未投入使用。鸣谢：IrinaN.Kitiashvili（美国国家航空航天局艾姆斯研究中心）和SpiridonKasapis（普林斯顿大学）。

微弱的太阳振动揭示了隐藏的活动

活动区是太阳黑子形成的强磁活动区域。它们的出现过程会持续数小时，而完全形成则可能需要一天到数天不等。

在这些区域到达表面之前，上升的磁场会微妙地改变穿过太阳的声波。科学家可以利用日震学研究这些振动，该学科通过检测太阳内部的波来了解无法直接观测的过程。

EarlyDetect（早期探测器）通过分析每小时的声功率图以及美国国家航空航天局太阳动力学天文台对太阳磁场的测量数据，来搜索这些信号。

这些声学地图来自太阳动力学观测台（SDO）上的日震与磁成像仪（HMI）每45秒记录一次的声波测量数据。

主要的困难在于，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那里的磁结构，新泽西理工学院物理学杰出教授、该项目的联合首席研究员亚历山大科索维奇夫说，相反，我们正在寻找磁场的微小变化以及持续穿过太阳的声波模式的变化。这更像是在一个非常嘈杂的管弦乐队中检测到节奏的轻微变化。

去除噪音使预测变得更糟

EarlyDetect基于Transformer架构构建，这种AI技术与ChatGPT等大型语言模型所用的技术类型相同。不过，该模型并非学习语言中的统计模式，而是在太阳测量数据中寻找太阳活动变化之前出现的模式。

科萨维奇夫说：这最让我们惊讶。我们最初期望它能帮助分离出有用的短时间尺度模式。但它反而把那些提供最早预警的非常微弱的波动给平均掉了。

这有点像降噪……它通常会去除嘈杂的噪音，这样你就能更好地看清整体趋势，蒂罗娜说，但我们发现，在几乎所有情况下，它都起到了反作用。滤波器去除的信号实际上对帮助模型预测活动区域何时会出现非常重要。

这段图片将九天的太阳活动浓缩为仅四分钟，播放速度比实时快3240倍。 鸣谢： 斯科特维辛格（eMITS） 编辑： AJ克里斯滕森（ADNET系统公司） 科学撰稿人： 《原子漂移》，选自专辑《分子回声》。 作词及制作：拉尔斯莱昂哈德

EarlyDetect能提前约九小时发现信号。

在利用美国国家航空航天局（NASA）太阳动力学天文台（SDO）日震与磁成像仪（HMI）的测量数据对早期探测器（EarlyDetect）进行训练后，研究人员用未纳入其训练数据的活动区域对它进行了测试。

模型的最强版本在活动区域变得可见前平均9.24小时检测到前兆模式。其性能超过了标准Transformer模型和早期的基准方法。

机器学习尚未被广泛应用于太阳活动预测，新泽西理工学院（NJIT）数据科学助理教授、该项目首席研究员徐梦佳表示，我们的研究表明，先进的机器学习模型能为未来的空间天气预报开辟新的可能性。

这项研究是新泽西理工学院格蕾丝霍珀人工智能研究所首批支持的项目之一。该研究所成立于2025年，旨在支持跨学科人工智能研究。这项工作还获得了美国国家航空航天局（NASA）日球物理学和空间天气研究资助，包括美国国家航空航天局科学驱动中心（NASAScienceDRIVECenter）以及太阳内外场与流的影响（COFFIES）项目的资助。

研究人员还将他们的数据公开供他人使用。他们发布了太阳活动区出现数据集（SolARED），这是一个从太阳动力学观测台（SDO）收集的活动区观测资料的公共合集，以及太阳活动区（SAR）门户，一个用于探索这些观测资料的交互式平台。

这是首个太阳活动区浮现的公开数据集，徐说，它为机器学习和太阳物理学界提供了一个共享资源，用于开发和测试新的预测方法。

实时预测仍然遥不可及

尽管表现不错，蒂罗娜提醒道，EarlyDetect目前还不能作为一个可投入使用的实时预测系统。它是通过已知的突发事件数据训练的，仍然可能产生误报或来得太晚的预测。

检测到活动区的出现并不意味着即将发生太阳耀斑或日冕物质抛射。许多活动区从未引发过重大爆发，研究人员仍需在更多的太阳活动事件中测试该模型。

我希望这个项目能让更多人意识到机器学习如何为太阳物理学做出贡献，蒂罗娜说。如果有一天像这样的模型能帮助预测太阳天气事件，那将非常棒。我们目前还没达到那一步——但这是令人兴奋的一步。

本研究得到新泽西理工学院（NJIT）格蕾丝霍珀人工智能研究所（GHAIRI）种子基金（项目编号179025）的支持。本研究还得到美国国家航空航天局（NASA）AIMLHECC扩展计划及多项NASA资助项目的支持。徐和帕蒂尔的研究部分得到美国能源部（DOE）SEACROGS项目（项目编号DESC0023191）及美国空军科学研究办公室（AFOSR）相关项目的支持。

相关知识

太阳爆发是太阳大气中发生的持续时间短暂、规模巨大的能量释放现象。主要包括太阳耀斑、日冕物质抛射等。它能释放出巨大的电磁辐射、高能带电粒子流等。这些喷发物会对地球的空间环境产生影响，干扰通信、威胁卫星安全等。

BY: Jesse Jenkins, New Jersey Institute of Technology

FY: AI

如有相关内容侵权，请在作品发布后联系作者删除

转载还请取得授权，并注意保持完整性和注明出处