AI提前近9小时捕捉太阳活动区信号：空间天气短时预警或成科学智能新试验场
· 来源：colombiaone.com
一项由新泽西理工学院团队开展的研究称，机器学习系统可从太阳声学与磁场数据中识别活动区浮现前兆，较可见太阳黑子出现提前近9小时发出信号，但其业务化价值仍待独立验证。
太阳风暴的破坏性并不只停留在天文观测层面：强烈空间天气可能扰动卫星运行、无线通信、导航服务和地面电网。近日，一项由美国新泽西理工学院（NJIT）团队主导的研究提出，人工智能系统可在太阳活动区及其后续太阳黑子于可见光表面显现前，提前近9小时识别预警信号。若结果经原始论文、数据集及独立复现进一步核验，这类短时预警将成为检验AI科学应用能力的一个具体场景。
据报道，该系统名为EarlyDetect，研究发表于8月14日出版的《Journal of Geophysical Research: Machine Learning and Computation》。它针对的是太阳“活动区”——磁场高度集中的区域，太阳黑子通常会在这里形成。相关磁结构在抵达太阳可见表面前已于内部演化，但传统观测难以从复杂背景噪声中稳定提取其早期信号。
EarlyDetect将逐小时生成的太阳声学活动图与磁场测量结合分析。数据主要来自美国航天局太阳动力学天文台（SDO）上的日震磁像仪：该设备以45秒间隔记录太阳内部声波及磁场相关信息。研究团队利用日震学思路，寻找上升磁场对太阳内部声波造成的细微扰动，再由机器学习模型识别声学与磁场信号共同呈现的前兆模式。
值得注意的是，团队测试发现，原本用于压制背景噪声的滤波处理未必有利于模型判断；保留更多原始信息反而提升了识别效果。这一结果提示，在高噪声、弱信号的科学观测任务中，数据预处理并非总是越强越好，模型可能需要从看似无序的细节中捕捉关联。
不过，“提前发现活动区”不等同于直接、确定地预报一次会冲击地球的太阳风暴。活动区形成后是否产生耀斑或日冕物质抛射、抛射物是否指向地球，以及其抵达后的地磁效应强度，仍取决于多重物理过程。要走向实际应用，该方法还需公开评估训练与测试样本的划分、漏报和误报表现、跨太阳活动周期的泛化能力，并与现有空间天气预报流程开展对照。
但这一研究的意义正在于，它把“大模型或机器学习用于科学”的讨论落到一组可量化、可追溯且关联现实风险的指标上：预警提前量是否稳定增加、误报代价能否接受、是否能为卫星运营商和电网调度提供可执行窗口。相比单纯展示模型能力，空间天气或许更适合作为AI从模式识别走向可靠科学预报的验证场。
—— 综合整理自：ColombiaOne