Las grandes erupciones solares no aparecen de la nada. Antes de que en la superficie del Sol se hagan visibles manchas o regiones activas, en su interior ya se están organizando cambios magnéticos capaces de desatar llamaradas y eyecciones de materia. Un nuevo trabajo sugiere que parte de esas señales ocultas puede detectarse con ayuda de inteligencia artificial varias horas antes de que emerjan a la vista.
La idea se apoya en la heliosismología, una rama de la física solar que estudia las vibraciones del Sol. Esas oscilaciones funcionan como una especie de eco interno: al analizarlas, los científicos pueden inferir qué está ocurriendo bajo la superficie, incluso en zonas donde todavía no hay rasgos visibles. El nuevo modelo combina esa información con aprendizaje automático para reconocer patrones previos a la aparición de regiones activas, que son los lugares donde suelen originarse las erupciones más intensas.
Según la descripción difundida por Phys.org y los materiales técnicos asociados al estudio, el sistema fue entrenado con observaciones del instrumento Helioseismic and Magnetic Imager del satélite Solar Dynamics Observatory de la NASA. En lugar de esperar a que una mancha solar ya esté formada, la IA busca pequeñas variaciones previas en los datos sísmicos y en la intensidad observada sobre la superficie solar. El objetivo no es decir exactamente cuándo ocurrirá una llamarada concreta, sino advertir con más anticipación que una región potencialmente peligrosa está por emerger.
Eso importa porque las erupciones solares pueden alterar el llamado clima espacial, es decir, el entorno de radiación y partículas que rodea a la Tierra. Cuando el Sol libera mucha energía, pueden verse afectados satélites, sistemas de navegación, comunicaciones por radio y, en casos extremos, redes eléctricas. Una alerta con varias horas extra no elimina el problema, pero sí puede ayudar a preparar mejor sistemas sensibles y a afinar otros modelos de pronóstico.
El trabajo también muestra un cambio de enfoque interesante. Muchas herramientas actuales intentan pronosticar erupciones a partir de lo que ya se observa en la superficie solar. Este modelo, en cambio, trata de identificar el proceso antes de que llegue a verse con claridad. Es como detectar una tormenta cuando todavía se está armando bajo el horizonte, en lugar de esperar a que aparezcan los primeros relámpagos.
Conviene, de todos modos, mantener la cautela. El estudio se centra en la detección temprana de regiones activas y no equivale a una predicción perfecta de llamaradas o tormentas solares. Además, los modelos de inteligencia artificial pueden encontrar patrones útiles sin que eso signifique que comprendan por completo la física subyacente. Harán falta más pruebas con nuevos datos y en condiciones operativas reales para saber cuán fiable puede ser esta herramienta fuera del laboratorio.
Incluso con esas limitaciones, el avance refuerza una idea que gana peso en varias áreas de la ciencia: la inteligencia artificial puede volverse especialmente valiosa cuando se combina con mediciones físicas difíciles de interpretar a simple vista. En este caso, escuchar mejor el “latido” del Sol podría ofrecer una ventaja concreta para anticipar algunos de sus episodios más disruptivos.
New AI model detects hidden signs of solar eruptions hours before they emerge · Phys.org
Ciencias.uy / MiniMax image-01 · Imagen generada con MiniMax image-01 para Ciencias.uy; uso editorial no comercial; CC BY 4.0 · Fuente de imagen
Tirona, J., Patil, S., Kasapis, S., Dogan, E., Stefan, J., Kitiashvili, I. N., Kosovichev, A. G., & Xu, M. (2026). Forecasting continuum intensity for solar active region emergence prediction using transformers. Journal of Geophysical Research: Machine Learning and Computation, 3(4), e2025JH001207. https://doi.org/10.1029/2025JH001207
Relacionadas por categoría
Ver masAstrónomos descubren el proto-supercúmulo de galaxias más distante jamás observado
Un equipo internacional identificó el progenitor más lejano de un supercúmulo de galaxias, ofreciendo nuevas pistas sobre cómo evolucionan las estructuras masivas del universo.
Ráfagas rápidas de radio ayudan a medir cómo las galaxias alisan la materia
Un estudio usó 114 ráfagas rápidas de radio para medir cómo el gas expulsado por galaxias suaviza la distribución de materia a grandes escalas.
Impactos gigantes podrían borrar océanos ocultos en lunas heladas pequeñas
Simulaciones de lunas heladas sugieren que los choques enormes no suelen crear océanos internos nuevos y pueden hacer que los cuerpos pequeños los pierdan.
Más de la misma fuente
Ver masAstrónomos descubren el proto-supercúmulo de galaxias más distante jamás observado
Un equipo internacional identificó el progenitor más lejano de un supercúmulo de galaxias, ofreciendo nuevas pistas sobre cómo evolucionan las estructuras masivas del universo.
Una IA detecta cuándo un pez alcanza su límite térmico
Un sistema automatizado analizó videos de peces medaka para medir con menos subjetividad cuándo pierden el equilibrio bajo frío o calor extremos.
La respuesta de las plantas al CO₂ podría frenear la expansión de las tierras áridas
Nuevo estudio revela que las estimaciones de expansión de tierras áridas pueden estar equivocadas al incorporar la evapotranspiración reducida bajo niveles aumentados de CO₂.
Más del mismo autor
Ver masCómo las moscas ayudan a desentrañar la adaptación a sustancias tóxicas
Un experimento con moscas y edición genética muestra que la resistencia a una toxina vegetal depende de varios genes y puede estudiarse combinando métodos complementarios.
Una batería cuántica de laboratorio convirtió luz en corriente con un efecto colectivo
Un prototipo de microcavidad mostró que la potencia de carga y descarga puede crecer más rápido que el número de moléculas activas. Aún está lejos de una batería para dispositivos.
Veinticuatro especies nuevas revelan cuánto falta conocer del fondo del Pacífico
Un equipo describió 24 especies nuevas de pequeños crustáceos en una región abisal del Pacífico. El hallazgo ayuda a medir la biodiversidad antes de cualquier intervención en el fondo marino.