Kunstmatige intelligentie voorspelt zonneactiviteit bijna negen uur van tevoren

Saturday 15 August 2026 - 12:15

Onderzoekers van het New Jersey Institute of Technology hebben een nieuw kunstmatige intelligentiemodel ontwikkeld dat in staat is om de vroege tekenen van opkomende actieve gebieden op de zon te detecteren, wat mogelijk een waarschuwing biedt enkele uren voordat deze gebieden zichtbaar worden.

Het systeem, bekend als EarlyDetect, is ontwikkeld door een onderzoeksteam dat samenwerkt met verschillende Amerikaanse universiteiten en wetenschappelijke instellingen. De studie, gepubliceerd in het Journal of Geophysical Research: Machine Learning and Computation, gebruikte waarnemingen verzameld door NASA's Solar Dynamics Observatory om het model te trainen om subtiele veranderingen te herkennen die verband houden met zich ontwikkelende zonneactiviteit.

Actieve gebieden zijn gebieden van intense magnetische activiteit op de zon waar zonnevlekken kunnen ontstaan en krachtige zonne-uitbarstingen kunnen ontstaan. Het vroegtijdig detecteren van deze gebieden kan de mogelijkheid van wetenschappers verbeteren om perioden van verhoogde zonneactiviteit te anticiperen en potentiële risico's voor de ruimteweer te beoordelen.

In plaats van uitsluitend te vertrouwen op zichtbare veranderingen op het zonneoppervlak, analyseert EarlyDetect akoestische golven die door de zon reizen. Onderzoekers ontdekten dat opkomende magnetische velden extreem subtiele handtekeningen in deze golven kunnen achterlaten, waardoor kunstmatige intelligentie patronen kan identificeren die moeilijk te detecteren zijn met conventionele observatie alleen.

Het model maakt gebruik van een op Transformer gebaseerde architectuur, een type kunstmatige intelligentietechnologie dat ook breed bekend is geworden door grote taalmodellen. In dit geval is het systeem echter getraind om zonnewaarnemingen te interpreteren in plaats van menselijke taal.

Tijdens de ontwikkeling stuitten onderzoekers op een onverwacht probleem met een ruisonderdrukkings techniek die was ontworpen om irrelevante signalen uit de gegevens te verwijderen. In plaats van het systeem te verbeteren, verwijderde het filterproces soms de zeer zwakke signalen die waardevolle informatie bevatten over toekomstige zonneactiviteit.

Na het aanpassen van de aanpak trainden de onderzoekers EarlyDetect op echte zonnewaarnemingen en testten het tegen eerder ongeziene actieve gebieden. Het model was in staat om de opkomst van actieve gebieden ongeveer 9,24 uur van tevoren gemiddeld te voorspellen, wat beter was dan eerdere benaderingen.

De onderzoekers geloven dat de technologie uiteindelijk kan bijdragen aan effectievere voorspellingen van ruimteweer. Sterke zonneactiviteit kan satellieten, radio-communicatie, navigatiesystemen en elektrische infrastructuur op aarde beïnvloeden, waardoor vroege waarschuwingen potentieel waardevol zijn voor operators van kritieke systemen.

Echter, EarlyDetect is nog geen volledig operationeel voorspellingssysteem. Het model kan nog steeds valse alarmen of vertraagde voorspellingen genereren, en het identificeren van een opkomend actief gebied betekent niet noodzakelijk dat er een zonne-uitbarsting zal plaatsvinden.

Het onderzoeksteam blijft daarom de technologie verfijnen en de betrouwbaarheid verbeteren. Om verder wetenschappelijk werk te ondersteunen, hebben de onderzoekers ook de SolARED dataset beschikbaar gesteld en een interactieve platform ontwikkeld, bekend als de SAR Portal, waarmee onderzoekers in kunstmatige intelligentie en zonnefysica de waarnemingen kunnen verkennen en nieuwe voorspellingsmethoden kunnen testen.

De ontwikkeling van EarlyDetect illustreert hoe kunstmatige intelligentie steeds vaker wordt gecombineerd met ruimtewetenschap om patronen te identificeren die moeilijk te detecteren zijn met traditionele methoden. Als de nauwkeurigheid verder kan worden verbeterd, kunnen dergelijke systemen een belangrijk onderdeel worden van toekomstige inspanningen om zonneactiviteit te monitoren en te voorspellen.