一项由美国新泽西理工学院（NJIT）主导的最新研究，为太阳风暴预警领域带来了新的技术路径。科研团队成功构建了名为EarlyDetect的机器学习模型，该模型能够从太阳的声学活动与磁场变化中，捕捉活动区形成前的微弱信号，为提前预判太阳风暴提供了可能。相关成果于9月2日经由科技媒体SciTech对外发布。

太阳活动区是太阳表面磁场高度集中的区域，太阳黑子通常孕育于此。这类区域的浮现过程短则数小时，完整发育则往往需要1至数天时间。传统监测手段多聚焦于活动区成型后的观测，而EarlyDetect的研发初衷，正是利用更早期的物理信号，为空间天气预报体系补充前置信息窗口。

EarlyDetect模型采用Transformer架构，专门处理连续的太阳观测数据流。其数据源来自NASA太阳动力学观测台（SDO）搭载的日震与磁成像仪（HMI），该仪器以45秒为间隔记录太阳振动。研究团队基于这些数据生成声学功率图，并与磁场测量结果进行融合分析，从而预测连续强度的变化趋势。在性能测试中，模型最优版本平均可提前9.24小时发出活动区即将出现的信号。

研究团队以太阳活动区AR11158的形成过程为可视化案例，同步追踪磁场、连续强度与声学功率的变化，并将目标区域细分为多个区块进行持续监测。观测结果显示，声学功率首先出现下降，随后连续强度和磁场才发生显著变化，活动区随之逐渐显现。这一序列特征暗示，当太阳内部磁场向上抬升时，可能在声波传播路径上留下先导性的微弱印记。

倘若该模型在后续验证中表现稳定，其应用前景将直接惠及卫星通信运营商与电网调度机构。更长的预警提前量意味着更充裕的准备时间，用以调整运行策略、评估潜在风险，从而减轻太阳风暴对关键基础设施的冲击。目前，该研究仍处于模型验证与优化阶段。