La predicción de eventos de radiación solar, una de las áreas más inciertas de la meteorología espacial, ha recibido un impulso técnico con la colaboración entre Fujitsu y el Sistema Nacional de Educación Superior e Investigación Tokai (THERS). Ambas entidades han desarrollado una tecnología basada en inteligencia artificial explicable que permite anticipar estos fenómenos con mayor precisión y, sobre todo, con capacidad interpretativa.
Esta tecnología se apoya en el sistema Wide Learning de Fujitsu, una arquitectura de aprendizaje automático diseñada para identificar relaciones causales complejas y presentarlas de forma comprensible. La solución se integra en el servicio Fujitsu Kozuchi XAI y tiene como objetivo mejorar la toma de decisiones en operaciones espaciales, donde la exposición a radiación solar puede resultar crítica.
La predicción de estos eventos ha sido históricamente limitada por la débil correlación entre la magnitud de las erupciones solares y la dosis de radiación resultante. En otras palabras, incluso fenómenos aparentemente menores pueden desencadenar niveles peligrosos de radiación, lo que complica la planificación de actividades extravehiculares, misiones lunares o vuelos tripulados hacia Marte.
El sistema desarrollado no solo estima la probabilidad de que ocurra un evento de radiación solar, sino que también recupera casos históricos similares, permitiendo a los operadores comparar condiciones actuales con precedentes documentados. Esta doble capa —predicción y contextualización— permite evaluar riesgos con mayor solidez y rapidez, algo especialmente relevante en entornos donde las ventanas de decisión son limitadas.
La tecnología se apoya en dos componentes principales. Por un lado, un modelo de estimación probabilística que utiliza Wide Learning para identificar condiciones precursoras. Por otro, un mecanismo de recuperación de eventos pasados que, a partir de esas condiciones, selecciona automáticamente episodios similares registrados en el pasado. La combinación permite no solo anticipar la probabilidad de un evento, sino también inferir sus posibles consecuencias operativas, basándose en datos empíricos.
Aunque la iniciativa tiene un foco inicial en la seguridad espacial, sus implicaciones se extienden a infraestructuras críticas en la Tierra. Las eyecciones de masa coronal y los eventos de protones solares pueden afectar a redes eléctricas, sistemas de navegación por satélite y comunicaciones de alta frecuencia, especialmente en latitudes polares. La capacidad de anticipar estos impactos con antelación suficiente podría permitir activar protocolos de mitigación más eficaces.
En este sentido, Fujitsu y THERS no ocultan su intención de ampliar el alcance de la tecnología. Según el comunicado, los próximos pasos incluyen su aplicación a sectores como la aviación, la logística global y la protección de redes energéticas. El objetivo es consolidar Wide Learning como una herramienta transversal para la resiliencia tecnológica frente al clima espacial, un campo que, pese a su creciente relevancia, sigue estando infraatendido en muchas agendas de innovación.
La colaboración entre Fujitsu y THERS no es nueva. En marzo de 2024, ambas instituciones ya habían anunciado una investigación conjunta sobre predicción del clima espacial basada en IA. Un año después, en febrero de 2025, ampliaron el proyecto en colaboración con la Agencia Japonesa de Exploración Aeroespacial (JAXA), centrando sus esfuerzos en mejorar la explicabilidad de los modelos predictivos. La tecnología presentada ahora es, en parte, resultado de esa evolución.
El enfoque explicable de Wide Learning contrasta con otros modelos de inteligencia artificial más opacos, como las redes neuronales profundas, cuya capacidad de predicción puede ser alta pero difícil de interpretar. En entornos donde las decisiones deben justificarse ante múltiples actores —desde agencias espaciales hasta operadores de infraestructuras críticas—, la transparencia del modelo no es un añadido, sino una condición operativa.
Queda por ver cómo se integrará esta tecnología en los sistemas de alerta temprana existentes y qué grado de adopción alcanzará fuera del ecosistema japonés. Aunque Fujitsu tiene presencia global, la transferencia de este tipo de soluciones a otros contextos regulatorios y técnicos suele requerir adaptaciones sustanciales.
Tampoco está claro hasta qué punto la predicción basada en IA podrá superar las limitaciones inherentes a la física solar, un campo donde la incertidumbre es estructural. Sin embargo, el hecho de que la herramienta no se limite a predecir, sino que también contextualice, podría marcar una diferencia en la forma en que se gestionan los riesgos asociados.
En un momento en que las misiones espaciales tripuladas vuelven a estar en la agenda internacional y la dependencia de infraestructuras satelitales crece, la capacidad de anticipar eventos de radiación solar con mayor precisión y explicabilidad no es solo una mejora técnica. Es, potencialmente, un nuevo estándar operativo.
