Cómo aprende una red neuronal a leer el tapiz magnético del Sol ✛
Cada mañana docenas de telescopios apuntan al Sol. Sus cámaras captan una angosta banda de luz roja: la línea Hα, descubierta por Johann Jakob Balmer. En las imágenes aparecen hebras oscuras, caprichosamente curvadas. Parecen puntadas de un tapiz gigante que cose la corona ardiente. Son los filamentos solares. Arcos densos de plasma, suspendidos sobre costuras magnéticas invisibles.
Marcar a mano semejante tejido es un trabajo de Sísifo. En décadas se han acumulado millones de imágenes, pero los filamentos se ramifican, cambian de grosor y se ahogan en el ruido. El brillo depende del ángulo. Las hebras ocupan menos de la décima parte del disco. Los algoritmos clásicos, ajustados a cambios de brillo, se ciegan sobre un fondo abigarrado. Las primeras redes neuronales tropiezan: hay decenas de veces más píxeles de fondo que de filamento.
MORDEN trabaja como un tejedor experimentado. Hereda la estructura de U‑Net, la clásica red neuronal convolucional para segmentación de imágenes, pero toma prestadas varias técnicas de los buques insignia de la visión artificial. El agrupamiento piramidal adaptativo (APP) examina el tapiz a diferentes escalas — desde gruesos haces hasta hebras apenas visibles. El bloque Patch Attention Gate (PAG) captura el patrón global sin una autoatención pesada. Las conexiones ramificadas «branch» inyectan pistas semánticas en las capas tempranas. Dos troncos paralelos hacen el entrenamiento más estable.
Incluso después de MORDEN los contornos quedan irregulares. Entra en juego DenseCRF. Como una lupa sobre el tapiz, examina la imagen original de alta resolución y corrige el borde donde los brillos de píxeles vecinos no coinciden. Luego DBSCAN, sin ayuda, une los fragmentos dispersos en filamentos completos — solo por su posición mutua. En la muestra de prueba la precisión del modelo superó el 81%. Tras un reentrenamiento en 775 imágenes etiquetadas automáticamente, la métrica IoU se disparó a 0,812. DenseCRF ajustó los bordes de tal modo que el contraste medio a lo largo del contorno superó al del etiquetado manual.
Así, puntada a puntada, del caos de píxeles surge el lienzo magnético de la estrella. El pipeline «MORDEN + DenseCRF + DBSCAN» es el primer paso para convertir el aprendizaje automático en un cartógrafo de pleno derecho de la actividad solar. Abre el camino a archivos de filamentos de décadas, a la alerta temprana de llamaradas y eyecciones. En el futuro — incorporación de mapas magnéticos, imágenes estéreo e híbridos con transformadores. Y mientras, cada mañana los telescopios continúan su mudo diálogo con el Sol, y la red entrenada desenreda pacientemente su tapiz de fuego — hebra a hebra.
Durante un eclipse solar total, los filamentos, que en el disco se ven como hebras oscuras, se transforman en brillantes protuberancias, auténticas fuentes de plasma que sobresalen por el borde de la Luna. Los mayores pueden llegar a abarcar un cuarto de la circunferencia solar.
En el desenlace de la película «Señales del futuro» (2009) una gigantesca erupción solar calcina la Tierra: es la personificación artística de una eyección coronal provocada por la erupción de un filamento. Nuestro flujo está precisamente enfocado a la detección temprana de estas estructuras, para separar la ficción hollywoodiense de la amenaza real.