AI模型可提前最多12小时捕捉太阳活动区萌生迹象

太阳黑子所在的活动区是耀斑和日冕物质抛射的主要源区，但现行空间天气业务通常先看到活动区出现在可见表面，再根据磁场复杂度等性质估计爆发概率。NASA支持的COFFIES团队把问题向前推进一步：能否在磁场结构尚处于太阳表面以下时，从间接观测中找出其即将出现的信号。

研究使用太阳动力学天文台SDO的日震与磁场成像仪资料。上升中的磁性结构无法被直接看见，却可能改变穿过太阳近表层的声学波，并伴随极微弱的磁场和连续谱强度变化。团队把跟踪区域切分成时间序列，让模型学习活动区真正显现之前的细小节律变化，而不是只统计已经形成的黑子。

论文分析46个太阳活动区，采用滑动窗口Transformer预测未来最长12小时的连续谱强度演化。滑动窗口让模型既关注最近一段观测，也保留较长时序的上下文；研究还测试了卷积前端、注意力偏置和面向早期识别的损失函数，以比较哪些设计真正改善提前量。

表现最好的方案是带早期识别设计、但不加入一维卷积平滑层的Transformer。论文报告其均方根误差为0.1189，比LSTM基线改善10.6%；在比以往研究更严格的活动区萌生判据下，平均预警提前量约4.73小时。NASA把模型能力概括为可在出现前最长12小时进行预测，这表示预测窗口上限，不等于每个事件都能提前12小时准确报出。

更高灵敏度也带来更大的结果波动。作者认为，模型正是通过保留声学功率等信号中的微小变化来争取更早识别，但噪声和方差会增加。数据集只有46个活动区，尚不足以证明模型能覆盖不同太阳周期、位置、尺度和磁场形态；当前结果属于方法验证，不是已经部署的全球实时预报系统。

还需区分“活动区出现”与“太阳风暴发生”。活动区是强耀斑和日冕物质抛射的重要源区，但并非每个新活动区都会产生严重事件，这项模型也没有直接给出耀斑等级、抛射方向或抵达地球时间。它的潜在价值，是把可疑位置更早交给后续磁场分析与业务模型，而不是单独替代现有空间天气链条。

研究已发表于《Journal of Geophysical Research: Machine Learning and Computation》，NASA在2026年8月14日介绍了结果。团队下一步将用更多已知事件检验跨事件泛化和实时稳定性。Transformer在小样本回顾数据中显示出提前识别潜力，但转化为业务预警仍需独立测试和持续运行评估。