KI-Modell meldet Entstehung aktiver Sonnenregionen mit rund 9 Stunden Vorlauf.
In Kürze
- Bis zu 9 Stunden Vorlauf für Netzbetreiber, Satelliten und Kommunikation
- Mehr Messdaten verbessern die Prognosen
- Noch viele Fehlalarme und Verzögerungen – nicht produktionsreif
Forscherinnen und Forscher am New Jersey Institute of Technology haben ein KI-Modell vorgestellt, das rund neun Stunden im Voraus vorhersagen kann, wann und wo auf der Sonne eine sogenannte „aktive Region“ entsteht.
Diese Gebiete zeichnen sich durch starkes, komplexes Magnetfeld aus und sind häufig mit Sonnenflecken verbunden — sie können Auslöser für Sonneneruptionen und koronale Masseauswürfe sein.
Warum das wichtig ist:
Sonneneruptionen und koronale Masseauswürfe schleudern geladene Teilchen ins All, die beim Auftreffen auf das Erdmagnetfeld Störungen auslösen können. Solche Ereignisse tangieren Stromnetze, Satelliten und Kommunikationsinfrastruktur, weil sie das Magnetfeld schwächen und elektronische Systeme beschädigen können. Ein längerer Vorlauf würde Netzbetreibern und Dienstleistern mehr Zeit geben, Schutzmaßnahmen zu treffen.
EarlyDetect
Das System heißt EarlyDetect. Es wertet frühe Signale in der Sonnenaktivität und im Magnetfeld aus, um die Bildung einer aktiven Region sowohl zeitlich als auch räumlich einzuordnen. Laut den Forschenden liegt die mittlere Vorlaufzeit bei etwas mehr als neun Stunden — genug, um Alarmpläne zu aktivieren, wenn die Vorhersagen zuverlässig wären.
Ein überraschendes Ergebnis der Studie:
Die Vorhersagequalität ging zurück, wenn zuvor als unwichtig eingestufte Messdaten herausgefiltert wurden. Mehr Input führte demnach zu besseren Ergebnissen, auch wenn einzelne Messreihen auf den ersten Blick wenig relevant erschienen. Das deutet auf komplexe, fein verwobene Signale hin, die das Modell nutzt.
EarlyDetect ist noch nicht betriebsbereit.
Die Forscher weisen darauf hin, dass das System derzeit zu viele Fehlalarme produziert und in einigen Fällen Vorhersagen erst zu spät trifft. Damit ist es noch keine Grundlage für einen zuverlässigen produktiven Frühwarndienst.
Die Ergebnisse wurden in der Fachzeitschrift JGR: Machine Learning and Computation veröffentlicht.
Quellen
- Quelle: New Jersey Institute of Technology (NJIT)
- Der ursprüngliche Artikel wurde hier veröffentlicht
- Dieser Artikel wurde im Podcast KI-Briefing-Daily behandelt. Die Folge kannst du hier anhören.
