Uma nova inteligência artificial desenvolvida por pesquisadores do New Jersey Institute of Technology (NJIT) encontrou sinais sutis da formação de regiões ativas no Sol antes de elas aparecerem na superfície. O modelo EarlyDetect conseguiu antecipar esse surgimento em média 9,24 horas.
O estudo, publicado no Journal of Geophysical Research: Machine Learning and Computation, mostra que alterações nas ondas acústicas e no campo magnético podem denunciar o nascimento dessas estruturas. Algumas regiões ativas podem dar origem a erupções solares.
O sinal aparece antes da mancha
Regiões ativas são áreas de forte atividade magnética onde surgem manchas solares. Sua formação começa ao longo de várias horas e pode levar de um a vários dias para chegar ao estágio completo.
Antes de se tornarem visíveis, porém, essas estruturas deixam rastros. À medida que os campos magnéticos avançam pelo interior do Sol, provocam pequenas alterações nas ondas acústicas que atravessam o astro. É justamente aí que o EarlyDetect procura pistas.
O modelo examina mapas horários de potência acústica e dados do campo magnético coletados pelo Solar Dynamics Observatory (SDO), da NASA. As informações acústicas vêm do instrumento Helioseismic and Magnetic Imager (HMI), que registra observações a cada 45 segundos.
Estamos procurando mudanças muito pequenas no campo magnético e no padrão das ondas acústicas que viajam continuamente pelo Sol. É mais como detectar uma pequena mudança de ritmo dentro de uma orquestra muito barulhenta.
Alexander Kosovichev, professor de física do NJIT e co-investigador principal do projeto, em nota.
O filtro que atrapalhava a IA
O EarlyDetect usa uma arquitetura Transformer, tecnologia também presente em grandes modelos de linguagem. Em vez de trabalhar com palavras, a IA aprende padrões encontrados nas observações do Sol.
Foi nesse processo que surgiu uma surpresa. Um filtro aplicado aos dados para facilitar a identificação de padrões estava piorando os resultados.
O que aconteceu?
- A técnica deveria destacar sinais de curta duração.
- Na prática, removia pequenas flutuações dos dados.
- Essas oscilações continham pistas importantes sobre o nascimento das regiões ativas.
- Retirar o filtro melhorou o desempenho do modelo.
“Esperávamos inicialmente que isso ajudasse a isolar padrões úteis de curto prazo. Em vez disso, ele eliminava justamente as flutuações muito fracas que forneciam o alerta mais precoce”, afirmou Kosovichev.
Ainda não é um alerta solar
Depois do treinamento com dados do SDO/HMI, o EarlyDetect foi colocado à prova com regiões ativas que não haviam sido usadas anteriormente. A versão de melhor desempenho encontrou os sinais precursores 9,24 horas antes, em média, de essas estruturas ficarem visíveis.
O resultado foi superior ao obtido por um Transformer convencional e por uma abordagem anterior usada como referência.
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.
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.
Os pesquisadores pretendem testar a abordagem em mais eventos solares antes de transformá-la em uma ferramenta operacional de previsão do clima espacial.
O post Novo modelo de IA detecta mudanças no Sol antes de serem visíveis apareceu primeiro em Olhar Digital.