科学家借 AI 解析太阳「声学心跳」
一句话看懂：英国伯明翰大学团队利用 AI 分析了长达 30 年的太阳内部声波（p 模）数据，首次成功预测出当前太阳活动周期将何时进入相对平静的“低谷”阶段。这一方法相当于给太阳做了一次“超声检查”，为理解太阳内部磁场变化和预警空间天气提供了全新工具。
事件核心：发生了什么
太阳内部持续存在的压力振动被称为“p 模”声波，它们如同声波一样在太阳内部传播并返回表面，携带了深层信息。过去科学家主要利用这些信号研究太阳内部结构（学科称为“日震学”），但难以从中识别出与太阳活动周期相关的复杂模式。
此次，伯明翰大学团队训练了一个 AI 模型，分析长达 30 年的 p 模数据。研究发现，这些声波的“音高”（频率）会随着太阳活动周期变化：太阳活跃时频率升高，趋向平静时频率下降。AI 识别出其中的复杂规律后，预测了当前太阳周期中何时会重新进入“低谷”——即太阳黑子数量和耀斑等活动会显著减少的阶段。相关研究成果已发表于新一期《太阳物理》杂志。
科学家将这种方法比作给太阳做超声检查。借助机器学习，过去难以辨认的模式变得清晰，首次可以更系统地追踪太阳深层磁场变化。
为什么重要
太阳活动周期大约每 11 年完成一次循环，期间太阳磁场会周期性增强和减弱，导致太阳黑子、耀斑和日冕物质抛射频发。这些爆发现象可能干扰卫星运行、电网安全，甚至影响人类通信技术。传统的预警方式主要依赖观察太阳表面黑子或耀斑，但无法直接感知太阳内部的剧烈变化。
这项研究的突破在于：它首次将 AI 与日震学结合，将太阳内部的“声学心跳”转化为一个可以独立使用的前置预警指标。相比只观测表面现象，直接分析内部信号有望更早发现即将到来的强烈活动，从而为卫星运行、电网保护和空间任务提供更多的准备时间。这标志着空间天气预报正从“观察表面”向“感知内部”演进。
对用户/开发者/创作者的影响
对于普通用户来说，更精准的空间天气预报意味着：未来手机信号、GPS 导航、电力供应可能因太阳风暴而中断的风险将降低，尤其是在太阳活动高峰期（如当前周期接近峰值时）。对于通信、电力、航空和航天行业的工程师和决策者，这项技术提供了新的数据源和决策参考，他们需要关注相关 AI 模型的落地进度，以及是否会有 API 或公开数据集可供接入。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
对于 AI 领域的研究者和开发者，这是一个典型的“科学发现驱动模型应用”案例。训练模型分析长周期（30 年）的物理信号，要求模型具备处理时间序列数据、识别微弱周期性模式的能力。类似的思路未来可能被推广到其他恒星或地球物理过程（如地震波分析）的研究中。
值得关注的后续
目前公开信息显示，该 AI 模型仍处于研究成果阶段，尚未成为正式的空间天气预报工具。值得关注的后续包括：
1. 产品化与落地：团队是否会基于该模型开发可操作的预报系统，或与气象机构（如美国国家海洋和大气管理局 NOAA）合作部署。
2. 数据开放：30 年的 p 模数据以及 AI 模型是否有计划开源，以便其他研究机构验证或进一步演化。
3. 竞争跟进：其他太阳物理研究团队是否会采用类似方法，或将 AI 与更多太阳观测数据（如磁场图、日震图）结合，提升预报提前量和准确率。
来源：Readhub · AI
