NJIT 团队发布 EarlyDetect 模型，提前 9.24 小时捕捉太阳活动区信号

NJIT 团队发布 EarlyDetect 模型，提前 9.24 小时捕捉太阳活动区信号 这条更新来自 ithome.com，发布时间为 2026-09-03，Aioga 保留原文入口以便核验。

摘要：美国新泽西理工学院（NJIT）牵头的科研团队发布机器学习模型 EarlyDetect，可从太阳声学活动和磁场变化中识别活动区形成前兆，性能最佳的版本平均提前 9.24 小时识别信号。

背景：EarlyDetect采用Transformer架构，处理NASA太阳动力学观测台HMI仪器的连续观测数据。研究人员结合声学功率图与磁场测量，分析活动区形成过程中的连续强度变化。

Aioga 观察：Aioga 判断：该研究将太阳声学观测纳入活动区形成前兆识别，提供了不同于仅观察可见表面变化的研究路径。但模型目前尚未投入运行，研究结果仍需进一步验证。

影响与后续：可能影响：如果后续验证成立，相关信号可能为卫星通信和电网运行策略调整提供更长准备时间；但当前结果不代表已经形成可用的空间天气预报服务，也不足以证明实际运营效果。 后续观察：需要关注研究团队对EarlyDetect的进一步验证、运行部署和实际预报表现，以及模型在不同太阳活动区和连续观测数据中的稳定性。

IT之家：https://www.ithome.com/ 9 月 3 日消息，科技媒体 SciTech 昨日（9 月 2 日）发布博文，报道称由美国新泽西理工学院（NJIT）牵头的科研团队发布最新研究， 成功打造出机器学习模型 EarlyDetect，可从太阳声学活动和磁场变化中识别活动区形成前兆。

IT之家援引博文介绍，太阳活动区是太阳表面磁场强烈的区域，太阳黑子通常在其中形成。活动区开始浮现可能只需数小时，但完整发展过程通常需要 1 到数天。研究人员希望利用更早的信号，为空间天气预报提供补充信息。

EarlyDetect 模型采用 Transformer 架构，处理连续的太阳观测数据，分析美国国家航空航天局（NASA）太阳动力学观测台（SDO）搭载的日震与磁成像仪（HMI）数据。

HMI 记录的太阳振动观测时间间隔为 45 秒，研究团队据此生成声学功率图，再与磁场测量结果结合，预测连续强度变化，性能最佳的版本平均提前 9.24 小时识别活动区即将出现的信号。

该可视化案例展示了太阳活动区 AR11158 的形成过程。研究人员同时观察太阳磁场、连续强度和声学功率，并把目标区域划分为更小的区块，持续追踪变化。

结果显示，声学功率首先下降；随后，连续强度和磁场出现变化，活动区逐渐变得可见。这表明太阳内部磁场上升时，可能先在声波传播中留下微弱痕迹。

如果模型进一步验证，卫星通信公司和电网运营商可能获得更长准备时间，用于调整运行策略和评估太阳风暴风险。不过，研究团队强调，EarlyDetect 目前尚未投入运行。

Forecasting Continuum Intensity for Solar Active Region Emergence Prediction Using Transformers：https://agupubs.onlinelibrary.wiley.com/doi/10.1029/2025JH001207