Bevor ein Sonnenfleck die sichtbare Oberfläche der Sonne verdunkelt, entwickelt sich die ihn erzeugende magnetische Aktivität bereits unsichtbar. Ein neues KI-System namens EarlyDetect kann diese schwachen Vorläufer-Signale nun fast neun Stunden bevor die Aktivitätsregion sichtbar wird, erkennen — ein potenzieller Wendepunkt für die Vorbereitung auf Weltraumwetter.

Das Modell wurde von einem Team der New Jersey Institute of Technology entwickelt und im Journal of Geophysical Research: Machine Learning and Computation beschrieben. Auf einer Transformer-Architektur aufgebaut — derselben KI-Klasse wie hinter ChatGPT — analysiert EarlyDetect stündliche Akustik-Karten zusammen mit Magnetfeldmessungen von NASAs Solar Dynamics Observatory.

Die Schlüsselerkenntnis kam von einer unerwarteten Entdeckung: Als das Team zunächst Rauschfilter zur Bereinigung der Solardaten einsetzte, wurden die Vorhersagen des Modells schlechter, nicht besser. Das "Rauschen", das sie zu entfernen versuchten, enthielt tatsächlich die schwächsten, frühesten Warnsignale. "Die Signale, die der Filter entfernte, stellten sich als wirklich wichtig heraus, um dem Modell bei der Vorhersage zu helfen, wann eine Aktivitätsregion auftauchen wird", sagte Jonas Tirona, der Student, der die Entwicklung des Modells leitete.

Nach dem Training mit bekannten Erscheinungsereignissen erkannte EarlyDetect Vorläufermuster durchschnittlich 9,24 Stunden bevor Aktivitätsregionen an der Sonnenoberfläche auftraten. Das Team gab auch den Solar Active Region Emergence Dataset (SolARED) frei, den ersten öffentlichen Datensatz dieser Art, um anderen Forschern bei der Entwicklung von Vorhersagemodellen zu helfen.

Allerdings ist EarlyDetect noch nicht einsatzfähig. Es kann immer noch Fehlalarme erzeugen, und das Erkennen des Auftauchens einer Aktivitätsregion bedeutet nicht, dass ein Sonnenflare oder eine koronale Massenauswurf folgt — viele Aktivitätsregionen erzeugen nie große Ausbrüche.

Quellen