Um grupo de investigadores do Instituto de Tecnologia de Nova Jersey (NJIT), nos Estados Unidos, desenvolveu uma ferramenta capaz de prever o surgimento de regiões ativas na superfície do Sol. Conforme detalhado pela NASA, o sistema deteta os sinais destas anomalias magnéticas antes de se tornarem visíveis, alcançando um aviso prévio de 9,24 horas.
Apresentado num estudo da publicação científica Journal of Geophysical Research: Machine Learning and Computation, o modelo recebeu o nome de EarlyDetect. A tecnologia mapeia as alterações que antecedem a formação de manchas solares, fenómenos diretamente responsáveis por erupções e ejeções de massa coronal que podem gerar fortes interferências na Terra.
Deteção de padrões acústicos
As regiões ativas começam a formar-se muito abaixo da superfície da estrela, o que impede a sua observação direta nas fases iniciais. Para contornar esta limitação física, a equipa focou-se nas assinaturas deixadas pelas ondas acústicas à medida que o campo magnético sobe no interior solar.
A IA do sistema analisa, hora a hora, mapas de potência acústica e medições magnéticas captadas pelo Observatório de Dinâmica Solar. O objetivo passa por encontrar padrões precisos de uma anomalia emergente, um processo que os especialistas comparam a identificar uma ligeira alteração de ritmo numa orquestra extremamente barulhenta. Durante a fase de desenvolvimento, os investigadores descobriram que a filtragem inicial de dados eliminava as oscilações subtis que procuravam, exigindo reajustes complexos para garantir a eficácia do método.
Impacto na proteção de infraestruturas
Com a calibração correta, a ferramenta conseguiu atingir a marca de 9,24 horas de antecedência no seu melhor desempenho. Esta janela temporal tem um impacto profundo na preparação do nosso planeta para a meteorologia espacial adversa.
"Este alerta antecipado poderia permitir que empresas de comunicação via satélite ou empresas de distribuição de energia se preparassem e potencialmente mitigassem os danos causados por tempestades solares", apontou Jonas Tirona, investigador do NJIT e líder da pesquisa.
O modelo EarlyDetect representa um avanço expressivo, mas ainda não se encontra preparado para emitir previsões em tempo real. O algoritmo foi treinado com o histórico de eventos de emergência já documentados e, segundo a equipa, ainda apresenta alarmes falsos ocasionais e algumas previsões tardias. O trabalho atual foca-se no aprimoramento destas falhas para permitir uma futura integração nos sistemas de alerta globais.
Nenhum comentário
Seja o primeiro!