由美國新澤西理工學院（NJIT）牽頭的科研團隊發佈最新研究，成功打造出機器學習模型 EarlyDetect，可從太陽的聲學活動和磁場變化中識別活動區形成前兆。

太陽活動區是太陽表面磁場強烈的區域，太陽黑子通常在其中形成。活動區開始浮現可能只需數小時，但完整發展過程通常需要 1 到數天。研究人員希望藉助更早的信號，爲空間天氣預報提供補充信息。

用 Transformer 讀 SDO 數據，平均提前 9.24 小時預警

EarlyDetect 採用 Transformer 架構處理連續的太陽觀測數據，分析 NASA 太陽動力學觀測臺（SDO）搭載的日震與磁成像儀（HMI）數據。HMI 記錄的太陽振動觀測時間間隔爲 45 秒，研究團隊據此生成聲學功率圖，再與磁場測量結果結合，預測連續強度變化。性能最佳的版本平均可提前 9.24 小時識別活動區即將出現的信號。

研究人員以太陽活動區 AR11158 的形成過程作爲可視化案例，同時觀察太陽磁場、連續強度和聲學功率，並把目標區域劃分爲更小的區塊持續追蹤變化。結果顯示，聲學功率首先下降，隨後連續強度和磁場纔出現變化，活動區逐漸變得可見。這意味着太陽內部磁場上升時，可能先在聲波傳播中留下微弱痕跡。

如果模型得到進一步驗證，衛星通信公司和電網運營商有望獲得更長的準備時間，用於調整運行策略和評估太陽風暴風險。不過研究團隊強調，EarlyDetect 目前尚未投入運行。