Sun Tracker: um algoritmo de inteligência artificial que prevê eventos do tipo Carrington

Palavras-chave

Evento de Carrington, Fenômenos solares, Machine Learning

Resumo Científico

Em 1859, uma imensa nuvem de gás eletrificado e partículas subatômicas altamente carregadas colidiu com a magnetosfera da Terra, resultando em danos significativos nas redes telegráficas globais. Este incidente foi causado por uma ejeção de massa coronal (CME) extremamente violenta, conhecida como o Evento de Carrington, que até hoje representa a maior tempestade geomagnética registrada na história. No contexto atual, no entanto, as consequências de um evento semelhante seriam potencialmente devastadoras tanto do ponto de vista econômico quanto social. Isso se deve à crescente dependência da sociedade moderna em relação à eletricidade e às redes de energia, em contraste com a era em que o evento ocorreu. Nesse sentido, com o objetivo de desenvolver uma ferramenta preditiva capaz de antecipar tempestades solares semelhantes ao Evento de Carrington, este estudo propôs a criação de um algoritmo de inteligência artificial. O algoritmo, denominado "Sun Tracker" pelos autores, foi concebido para prever eventos de CME com base na análise da velocidade de prótons não-lineares gerada por fenômenos relacionados à atividade magnética solar. A implementação do Sun Tracker envolveu a aplicação de um modelo de aprendizado de máquina do tipo Árvore de Decisão, que foi treinado e testado utilizando conjuntos de dados provenientes das missões espaciais DSCOVR e WIND. Os resultados obtidos demonstraram que o Sun Tracker alcançou uma precisão de 79,5%, o que evidencia a eficácia do modelo na previsão de eventos solares de alto risco para a infraestrutura elétrica e eletrônica terrestre.