Pesquisadores do Instituto de Tecnologia de Nova Jersey (NJIT) desenvolveram um modelo avançado de inteligência artificial capaz de identificar sinais precursores de regiões ativas no Sol. A tecnologia, batizada de EarlyDetect, consegue antecipar a formação de manchas solares na superfície da estrela com quase 9 horas de antecedência, oferecendo uma nova camada de proteção contra fenômenos espaciais intensos.
O estudo, publicado no Journal of Geophysical Research: Machine Learning and Computation, detalha como o sistema monitora mudanças magnéticas e acústicas antes mesmo que as manchas solares se tornem visíveis. Essa capacidade de previsão é fundamental, uma vez que tais regiões são o berço de erupções solares e ejeções de massa coronal, eventos que podem gerar interferências diretas na infraestrutura tecnológica da Terra.
Monitoramento de assinaturas acústicas no interior solar
Como as regiões ativas originam-se abaixo da superfície visível, a observação convencional só ocorre após a formação completa das manchas. Para contornar essa limitação, a equipe do NJIT utilizou dados do Observatório de Dinâmica Solar da NASA para analisar assinaturas em ondas acústicas geradas pela elevação do campo magnético interno.
O EarlyDetect processa mapas de potência acústica e medições magnéticas em intervalos horários. O desafio técnico superado pelos pesquisadores consistiu em isolar padrões específicos em meio ao ruído constante da atividade solar, comparando o processo à identificação de uma mudança rítmica em uma orquestra complexa. Após ajustes finos nos filtros de dados, o modelo atingiu um desempenho notável, detectando sinais precursores com até 9,24 horas de antecedência.
Impactos na mitigação de danos tecnológicos
A aplicação prática desta tecnologia foca na segurança de sistemas críticos. Segundo Jonas Tirona, líder da pesquisa, o alerta antecipado permite que operadoras de satélites e empresas de distribuição de energia adotem medidas preventivas. A preparação prévia é essencial para mitigar danos em redes elétricas e sistemas de comunicação global durante tempestades geomagnéticas severas.
Embora os resultados sejam promissores, o EarlyDetect ainda enfrenta desafios para implementação em tempo real. O modelo, treinado com base em eventos históricos, apresenta margem para alarmes falsos e variações na precisão das previsões. O aprimoramento contínuo do algoritmo é a próxima etapa necessária para transformar a ferramenta em um sistema de monitoramento operacional constante, garantindo maior resiliência para a tecnologia terrestre diante da atividade solar.
