Un equipo de astrofísicos y especialistas en datos del centro COFFIES de la NASA ha desarrollado un modelo de aprendizaje automático que busca anticipar la aparición de regiones activas en el Sol. Según la agencia, el sistema puede señalar su emergencia hasta 12 horas antes de que sean visibles en la superficie solar, una ventaja potencial frente a la vigilancia que comienza cuando las manchas solares ya han aparecido.
Estas regiones concentran campos magnéticos intensos y son el origen principal de fenómenos como las fulguraciones y las eyecciones de masa coronal. Sus efectos pueden extenderse por el espacio mediante radiación de alta energía y partículas cargadas, con capacidad para afectar a astronautas, satélites y comunicaciones por radio.
Qué señales busca el modelo bajo la superficie
El problema es que la estructura magnética no puede observarse directamente mientras asciende por el interior del Sol. COFFIES recurre por ello a indicios indirectos: cambios muy pequeños en el campo magnético y en las ondas acústicas que recorren continuamente la estrella. La comparación utilizada por los investigadores es la de detectar una alteración de ritmo dentro de una orquesta muy ruidosa.
El trabajo combina observaciones del Observatorio de Dinámica Solar de la NASA con recursos de supercomputación del centro Ames. Participan especialistas del Instituto de Tecnología de Nueva Jersey, la Universidad de Princeton y el propio Ames. El método analiza reducciones diminutas de la potencia acústica y variaciones del campo magnético que preceden a la emergencia de una región activa.
Una ventana móvil para series de datos largas
La arquitectura empleada es un transformador de ventana deslizante, diseñado para manejar secuencias temporales extensas. En lugar de procesar de una vez toda la actividad de la superficie, desplaza una ventana de tamaño fijo por la cronología reciente y conserva al mismo tiempo los patrones generales. Así puede concentrarse en señales débiles sin perder el contexto.
La diferencia práctica frente a aproximaciones anteriores de aprendizaje profundo está en el objetivo: estimar la ubicación aproximada de manchas solares que aún no se ven, en vez de limitarse a contar y caracterizar las ya visibles. Hoy, el Centro de Predicción del Clima Espacial de la NOAA y la Fuerza Aérea estadounidense monitorizan regiones que ya han emergido para calcular la probabilidad de fulguraciones.
El modelo se ha entrenado para reconocer patrones temporales vinculados a regiones en formación. El caso visualizado por la NASA corresponde a la región activa AR11158 en febrero de 2011: los datos muestran descensos en ondas acústicas y aumentos del campo magnético a medida que la región aparece. La investigación se ha publicado en la revista Journal of Geophysical Research: Machine Learning and Computation.
Qué puede cambiar y qué falta por validar
Una alerta con varias horas de margen podría ampliar el tiempo disponible para evaluar riesgos sobre naves, satélites y enlaces de radio. El interés crece con las misiones Artemis, incluidas las pruebas del hardware lunar en condiciones extremas, y los planes de exploración humana más allá de la órbita terrestre, donde la protección frente a la radiación y la continuidad de los equipos tienen un peso especial.
Sin embargo, la NASA subraya una limitación decisiva: el modelo aún no está listo para ofrecer predicciones operativas en tiempo real. El equipo pretende validarlo con muchas más erupciones y regiones solares conocidas, además de ajustar su funcionamiento. Por tanto, las 12 horas describen la capacidad obtenida por esta aproximación en la investigación comunicada, no un servicio de alerta ya disponible para operadores.
También queda por determinar cómo se comportará ante la diversidad de condiciones del ciclo solar y qué tasa de falsas alarmas o detecciones fallidas ofrecerá en uso continuo. El avance confirmado es la identificación anticipada de patrones y ubicaciones aproximadas; su fiabilidad operacional tendrá que establecerse en la siguiente fase de validación.
