Improving Solar Flare Soft X-ray Classification With FOXES: A Framework For Operational X-ray Emission Synthesis

Resumen Técnico: FOXES – Un Marco para la Síntesis Operativa de Emisión de Rayos X

1. El Problema
La clasificación actual de las erupciones solares (fulguraciones) se basa en la irradiancia de rayos X blandos (SXR) integrada en el disco solar, medida por el satélite GOES en el rango de 1–8 Å. Sin embargo, este enfoque presenta limitaciones críticas:

• Falta de información espacial: GOES proporciona una medida global, lo que impide localizar con precisión la fuente de la erupción, especialmente durante periodos de alta actividad cuando ocurren múltiples eventos simultáneos.
• Errores de clasificación: La falta de resolución espacial conduce a atribuciones incorrectas de la ubicación de las fulguraciones y a ambigüedades en la asignación de clases (A, B, C, M, X) cuando varios eventos ocurren al mismo tiempo.
• Limitación de perspectiva: GOES solo observa desde la órbita terrestre, lo que dificulta la predicción y el monitoreo de la actividad solar desde otros puntos del heliosfera (por ejemplo, para misiones en Marte o en el lado oculto del Sol).
• Dependencia de catálogos imperfectos: Los catálogos existentes a menudo tienen lagunas temporales o imprecisiones en la localización debido a las limitaciones de los datos de GOES.

2. Metodología: FOXES
Los autores presentan FOXES (Framework for Operational X-ray Emission Synthesis), un modelo de aprendizaje profundo diseñado para traducir observaciones espaciales de Ultravioleta Extremo (EUV) en predicciones de flujo de rayos X blandos (SXR).

• Arquitectura: FOXES utiliza Transformers de Visión (ViT), una arquitectura de estado del arte en visión por computadora.
• Entrada: El modelo ingresa una pila de imágenes del satélite SDO/AIA en siete canales EUV (94, 131, 171, 193, 211, 304 y 335 Å) con una resolución de 512x512 píxeles.
• Procesamiento:
  • Las imágenes se dividen en parches de 8x8 píxeles (4096 parches por imagen).
  • Se utiliza un mecanismo de atención enmascarada (masked-attention) que permite a cada parche interactuar con el contexto global del Sol, suprimiendo información local redundante.
  • El modelo aprende a mapear la estructura espacial y la intensidad de los parches EUV hacia el flujo SXR integrado.
• Salidas:
  1. Predicción global: El flujo SXR total integrado (1–8 Å).
  2. Mapas espaciales: La contribución de flujo por parche, permitiendo visualizar dónde el modelo atribuye la emisión de rayos X en el disco solar.
• Entrenamiento: Se entrenó, validó y probó con más de 3200 horas de observaciones (aprox. 1.4 TB de datos) desde enero de 2012 hasta septiembre de 2025. Se utilizó una función de pérdida de Huber en espacio logarítmico para manejar la gran dinámica de los datos y se aplicó ponderación de clases para mitigar el desequilibrio entre eventos quietos y fulguraciones intensas.

3. Contribuciones Clave

• Traducción EUV a SXR: Es la primera aplicación de deep learning para realizar una traducción end-to-end de imágenes EUV de disco completo a mediciones de flujo SXR integradas.
• Resolución Espacial Virtual: FOXES actúa como un "sensor de rayos X virtual" en el SDO, distribuyendo el flujo integrado en el disco solar. Esto permite identificar regiones activas específicas y sus contribuciones individuales, incluso durante eventos de fulguraciones simpáticas (simultáneas).
• Independencia de GOES para Localización: Permite inferir la fuerza y ubicación de las fulguraciones utilizando únicamente datos EUV, lo cual es crucial para misiones que no llevan sensores de rayos X (como STEREO, Solar Orbiter o la futura misión Vigil).
• Catálogo Mejorado: Facilita la creación de catálogos de fulguraciones más precisos y espacialmente resueltos, superando las limitaciones de los catálogos actuales basados puramente en GOES.

4. Resultados
El modelo se evaluó comparando sus predicciones con los datos reales de GOES:

• Precisión Global: FOXES logró un Error Absoluto Medio (MAE) de 0.051 dex en el espacio logarítmico. Esto significa que, en promedio, las predicciones se desvían por un factor de ~1.12 respecto al valor real (comparado con un error de ~2.03 en el modelo de línea base lineal).
• Correlación: El coeficiente de correlación de Pearson alcanzó 0.990 para el conjunto de datos general, superando significativamente al modelo de regresión lineal (0.737).
• Desempeño por Clase:
  • Mejoras drásticas en todas las clases (C, M, X), con reducciones de error del 72% al 94% en MAE y RMSE.
  • El modelo mantiene un sesgo bajo, aunque tiende a subestimar ligeramente las fulguraciones extremas (clase X+), posiblemente debido a que los filtros AIA son menos sensibles a plasmas con temperaturas >30 MK.
• Casos de Estudio:
  • FOXES logró capturar con éxito las fases de crecimiento, pico y decaimiento de eventos en datos continuos de 1 minuto.
  • En un caso de fulguraciones simpáticas, FOXES identificó correctamente dos eventos distintos y asignó la intensidad relativa a cada región activa, algo que los catálogos tradicionales (HEK) no lograron distinguir claramente.
• Análisis de Canales: Un estudio de ablación mostró que los canales 131, 211 y 193 Å son los más críticos para la precisión. La eliminación simultánea de canales clave (como 94, 131 y 335 Å) degrada el rendimiento, pero el modelo sigue siendo funcional, lo que sugiere su viabilidad para misiones con menos canales (como STEREO).

5. Significado e Impacto

• Monitoreo Multivista: FOXES habilita el monitoreo cuantitativo de la actividad solar desde cualquier ángulo de visión, no solo desde la línea Sol-Tierra. Esto es fundamental para la meteorología espacial operativa y la seguridad de misiones tripuladas a Marte.
• Mejora de la Predicción: Al proporcionar un catálogo de fulguraciones más preciso y localizado, se pueden mejorar los algoritmos de predicción de clima espacial (velocidad de CME, partículas energéticas).
• Extensibilidad: El marco es adaptable a otras misiones (STEREO, Solar Orbiter, Vigil), permitiendo transformar sus imágenes EUV en curvas de luz de rayos X "virtuales", cerrando así la brecha de datos históricos y operativos para el lado oculto del Sol.

En conclusión, FOXES representa un avance significativo al demostrar que las observaciones espaciales de EUV pueden sintetizarse con alta precisión para inferir la emisión de rayos X, resolviendo problemas históricos de localización y clasificación de fulguraciones solares.