La IA ya está aprendiendo a leer el Sol para mejorar la predicción del clima espacial
En mayo de 2024, una gran expulsión de masa coronal del Sol provocó una tormenta geomagnética en la Tierra que, a su vez, produjo auroras boreales en países donde tradicionalmente no se observan. El evento puso de manifiesto la importancia de monitorear el clima espacial: dejó un espectáculo visual, cierto, pero de haber sido más intenso, podría haber afectado redes eléctricas y otros sistemas tecnológicos.
Al igual que el clima de la Tierra, con la fuerza del viento y la probabilidad de lluvia, el clima espacial también puede anticiparse. Distintos observatorios mantienen al Sol bajo vigilancia permanente y existen sistemas para detectar erupciones y seguir el material expulsado hacia nuestro planeta. Pero, como sucede con cualquier pronóstico del tiempo, cuanto mayor sea la anticipación, mejor.
Imagen de una llamarada solar, y su comparación con el tamaño de la Tierra.
Getty Images
La inteligencia artificial podría convertirse en una herramienta para conseguirlo. El Sol produce continuamente enormes cantidades de información sobre sus campos magnéticos, movimientos y oscilaciones. Esos datos pueden contener patrones demasiado sutiles o complejos para detectarlos por métodos convencionales, pero un algoritmo entrenado específicamente para buscarlos podría alcanzar mejores desempeños.
Un nuevo estudio publicado en Journal of Geophysical Research: Machine Learning and Computation explora esta posibilidad mirando casi al comienzo de la historia: antes de intentar una predicción de una llamarada solar, busca anticipar cuándo comenzará a emerger una región activa del Sol.
¿Una región activa?
Una región activa es una zona del Sol donde emerge y se concentra un campo magnético intenso. Dentro de ella pueden aparecer una o varias manchas solares. Estas regiones concentran complejos campos magnéticos cuya reorganización puede producir llamaradas solares y eyecciones de masa coronal (CME).
Este equipo de científicos considera que los datos del Sol contienen suficiente información para anticipar el surgimiento de estas zonas. Para comprobarlo, creó un modelo predictivo llamado EarlyDetect, que analiza mediciones del campo magnético y de las oscilaciones acústicas del Sol registradas por el observatorio SDO de la NASA.
Los resultados de EarlyDetect son prometedores, aunque todavía preliminares. En las pruebas con regiones activas que el modelo no había visto durante su entrenamiento, EarlyDetect consiguió anticipar su emergencia 9.24 horas en promedio. En esa métrica también superó a un sistema anterior basado en otra arquitectura de aprendizaje automático, que alcanzó una anticipación media de 7.55 horas.
Aunque la herramienta busca anticipar cuándo comenzará a emerger una región activa, detectarla no permite saber por sí misma si producirá una llamarada o una eyección de masa coronal. Muchas regiones activas del Sol nunca generan grandes erupciones. Aun así, EarlyDetect podría convertirse en una pieza importante de los sistemas que buscan anticipar el clima espacial.
“El aprendizaje automático aún no se ha aplicado ampliamente a la predicción de la actividad solar. Nuestro trabajo demuestra que los modelos avanzados de aprendizaje automático pueden abrir nuevas posibilidades para la predicción del clima espacial en el futuro”, dijo Mengjia Xu, investigadora principal del proyecto, en un comunicado del Instituto de Tecnología de Nueva Jersey.
La necesidad de mejorar estas predicciones no desaparecerá pronto. La actividad del Sol sigue ciclos de aproximadamente 11 años. Tras el periodo de máxima actividad del actual ciclo solar, el próximo gran máximo llegará previsiblemente hacia mediados de la década de 2030, aunque todavía es demasiado pronto para saber exactamente cuándo ocurrirá o qué tan intenso será.