Uma equipe de astrofísicos e cientistas de dados do projeto COFFIES (Consequence Of Fields and Flows in the Interior and Exterior of the Sun), da NASA, desenvolveu um modelo de machine learning capaz de prever o surgimento de regiões ativas no Sol — precursoras de manchas solares — até 12 horas antes de se tornarem visíveis na superfície. O estudo, publicado no Journal of Geophysical Research: Machine Learning and Computation, utiliza uma arquitetura de Transformer, a mesma tecnologia por trás de modelos de linguagem como o ChatGPT.
Como funciona o EarlyDetect
O modelo, chamado EarlyDetect, analisa mapas de potência acústica e medições de campo magnético capturados pelo Observatório de Dinâmica Solar (SDO) da NASA. Como não é possível observar diretamente a estrutura magnética enquanto ela ainda se ergue pelo interior solar, o modelo busca sinais indiretos — pequenas mudanças no campo magnético e nos padrões de ondas acústicas que atravessam o Sol. “É como identificar uma leve mudança de ritmo dentro de uma orquestra muito barulhenta”, explicou Alexander Kosovichev, pesquisador do New Jersey Institute of Technology e co-investigador do projeto.
Arquitetura de Transformer
Diferente de abordagens anteriores de deep learning que analisavam toda a atividade solar de uma vez, o EarlyDetect utiliza uma janela deslizante de visualização que percorre uma linha do tempo longa de observações solares. Essa abordagem permite que o modelo foque em dados recentes enquanto mantém padrões gerais em memória. O melhor desempenho registrado foi de 9,24 horas de antecedência na detecção de sinais precursores, superando modelos padrão de Transformer e abordagens anteriores de referência.
Implicações práticas
Embora o modelo ainda não esteja pronto para operações de previsão em tempo real — produzindo ocasionalmente falsos alarmes — seu potencial é significativo. Regiões ativas onde se formam manchas solares são os motores por trás de eventos climáticos espaciais severos como erupções solares e ejeções de massa coronal, que podem ameaçar astronautas, desativar satélites e interromper comunicações de rádio na Terra. O projeto COFFIES reúne pesquisadores do NJIT, da Universidade de Princeton e do Centro de Pesquisa Ames da NASA. Para mais sobre ciência espacial, veja como a NASA detecta atmosferas em exoplanetas. Outra aplicação de IA que impacta o cotidiano é como a inteligência artificial já está presente na produção de papel higiênico.
Em um momento em que tempestades solares de magnitude do evento Carrington representam um risco real para a infraestrutura global, ferramentas como o EarlyDetect podem ser a diferença entre dias de preparação e surpresas devastadoras.