美国新泽西理工学院牵头团队发布机器学习模型EarlyDetect，用于识别太阳活动区形成前兆。该模型采用Transformer架构，处理NASA太阳动力学观测台（SDO）日震与磁成像仪（HMI）数据，结合太阳声学功率图和磁场测量结果进行预测。研究显示，性能最佳版本平均可提前9.24小时识别活动区即将出现的信号。对AR11158形成过程的分析发现，声学功率下降早于连续强度和磁场变化。研究团队表示，模型目前尚未投入运行。
美国新泽西理工学院牵头团队发布机器学习模型EarlyDetect，用于识别太阳活动区形成前兆。该模型采用Transformer架构，处理NASA太阳动力学观测台（SDO）日震与磁成像仪（HMI）数据，结合太阳声学功率图和磁场测量结果进行预测。研究显示，性能最佳版本平均可提前9.24小时识别活动区即将出现的信号。对AR11158形成过程的分析发现，声学功率下降早于连续强度和磁场变化。研究团队表示，模型目前尚未投入运行。