☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
美国新泽西理工学院（NJIT）主导的一项前沿研究近日取得突破，团队开发出名为 EarlyDetect 的新型机器学习模型，能够通过解析太阳的声学扰动与磁场演化特征，提前识别太阳活动区萌发的早期迹象。
太阳活动区是日面磁场高度集中的区域，也是太阳黑子诞生的主要场所。这类区域的初现过程往往仅需数小时，但其完整浮现并发展为可观测结构则通常耗时1至数天。因此，探测更早、更细微的物理前兆，对提升空间天气预测能力具有关键意义。
基于 Transformer 架构解析 SDO 数据，实现平均 9.24 小时超前预警
EarlyDetect 模型采用先进的 Transformer 网络结构，直接处理来自 NASA 太阳动力学观测台（SDO）的日震与磁成像仪（HMI）所获取的高时间分辨率观测数据。HMI 每 45 秒采集一次太阳振动信息，研究团队据此构建动态声学功率图，并将其与同步获取的磁场强度分布图进行融合分析，以建模活动区强度演化的趋势。在最优配置下，该模型平均可提前 9.24 小时发出活动区即将浮现的预警信号。
研究团队选取经典太阳活动区 AR11158 的浮现过程作为典型案例进行可视化分析，同步追踪其磁场结构、连续谱强度及声学功率在时空维度上的演变，并将目标区域细分为多个子单元持续监测。结果表明：声学功率的异常衰减率先出现，随后才陆续观测到连续谱强度减弱与磁场增强现象，最终活动区轮廓逐渐清晰可见。这一时序关系暗示——当太阳内部新生磁场开始上浮穿越光球层时，其对声波传播路径的扰动可能早于任何光学或磁学可观测变化。
若后续经多轮独立数据验证与系统集成测试，该技术有望为卫星通信运营方、电网调度中心等关键基础设施单位争取更充裕的风险响应窗口，辅助其优化运行策略、启动防护预案。但研究团队明确指出，EarlyDetect 当前仍处于科研验证阶段，尚未部署至业务化空间天气预报系统中。
