La predicción de tormentas solares acaba de ganar media hora. Un sistema de IA de Microsoft Research anticipa entre 30 y 60 minutos el riesgo de daños en la red eléctrica por una tormenta geomagnética, y lo hace subestación por subestación: 66.935 en el territorio continental de Estados Unidos.
El sistema detectó cerca del 80% de los eventos de clima espacial graves registrados entre 2020 y 2026, el periodo de evaluación que describe el equipo responsable en el blog de investigación de Microsoft Research. No es un aviso genérico de que se acerca una tormenta. Es un mapa de dónde va a doler.
La distinción importa porque el enemigo no es el viento solar. Son las corrientes que induce en el suelo: las llamadas corrientes geomagnéticamente inducidas, que circulan por las líneas de transmisión, saturan los transformadores y pueden dejar equipos fuera de servicio durante semanas. En mayo de 2024, una tormenta geomagnética empujó las auroras mucho más al sur de lo habitual y activó los protocolos de emergencia de las compañías eléctricas de Norteamérica.
Ese es el hueco que el proyecto intenta cerrar. Saber que llega una tormenta es relativamente sencillo. Saber qué subestación concreta está expuesta, y con cuánto margen, es el problema de verdad.
De 10 a 50 nanoTeslas por minuto: qué detecta y qué se le escapa
La magnitud que maneja el sistema es el dB/dt: la velocidad a la que cambia el campo magnético terrestre, medida en nanoTeslas por minuto. A partir de ciertos umbrales, esa variación se traduce en corrientes capaces de castigar la infraestructura. El modelo se mide en tres escalones.
En eventos mayores —10 nT/min o más— la tasa de detección fue del 76,5%. En los severos, con 20 nT/min, subió al 81,2%. Y en los extremos, por encima de 50 nT/min, cayó al 64,1%. Las falsas alarmas crecen con la severidad: el sistema está calibrado para avisar de más antes que para quedarse callado ante un episodio capaz de fundir un transformador.
El problema nunca fue saber que llega una tormenta geomagnética, sino cuál de las 66.935 subestaciones va a notarla primero.
La latitud y la geología completan la ecuación. Las estaciones del norte, donde la actividad geomagnética es más intensa, registran las mejores detecciones. Y el terreno hace el resto: un sustrato rocoso resistivo amplifica el efecto en superficie mucho más que un suelo conductivo.
Del viento solar al suelo: tres etapas y 333 milisegundos
Tres tramos sostienen la predicción. Primero entran las medidas del viento solar tomadas desde el punto de Lagrange L1, a 1,5 millones de kilómetros de la Tierra, donde los satélites ven llegar el plasma antes de que nos alcance. Con esas observaciones, el sistema genera predicciones de dos índices clásicos del clima espacial: el Auroral Electrojet (AE), que mide la intensidad de la corriente en la ionosfera polar, y el Disturbance Storm Time (Dst), que describe la fuerza global de la tormenta.
El predictor de AE logró un error cuadrático medio de 410,2 nT, mejor que varias aproximaciones empíricas basadas solo en el viento solar. El de Dst se quedó en 7,2 nT y superó a la ecuación de Burton —la referencia desde hace décadas— en el 62,2% de las horas de máxima actividad analizadas. Combinar ambos índices mejoró la detección final de tormentas severas en 1,2 puntos porcentuales.
Después, un modelo de gradient boosting cruza esas predicciones con la latitud de cada subestación, la conductividad del terreno y las características de la red. Y al final, la salida se convierte en estimaciones de riesgo agregadas a escala continental. Calcular las 66.935 subestaciones completas tarda unos 333 milisegundos, lo que permite encadenar escenarios uno detrás de otro.
Todo se apoya en datos públicos: el sistema OMNI de la NASA, el Centro Mundial de Datos de Kioto, los magnetómetros de INTERMAGNET y del Servicio Geológico de Estados Unidos, y una reconstrucción abierta de la red de transmisión estadounidense. En el desarrollo intervinieron 50 agentes de IA que exploraron configuraciones y estrategias de validación en paralelo.
Conviene tomar dimensión de lo que se está midiendo. Una tormenta geomagnética no es un rayo que cae y se apaga: es una marea lenta que empuja el campo magnético durante horas y que cobra su peaje a miles de kilómetros de la mancha solar donde nació.
Un prototipo de verano que aún no entra en la sala de control
Tres cautelas antes de celebrar nada. La primera: esto no es un sistema operativo de ninguna eléctrica, es un proyecto de investigación desarrollado durante unas prácticas de verano en Microsoft Research, con la supervisión de Weiwei Yang y Spencer Fowers, y descrito en el blog corporativo de la compañía, no en una revista con revisión por pares. La segunda: el escalón de riesgo final no tiene un sistema equivalente desplegado con el que compararse, así que el equipo lo midió contra una regresión lineal simple. La tercera: los propios autores piden validación con utilities y datos operativos reales antes de plantear cualquier uso en la gestión de la red.
Eso sí, el cambio de enfoque es sustancial. Hasta ahora los índices globales —AE, Dst, Kp— decían que había tormenta. La pregunta que abre este trabajo es otra: con este campo, esta latitud y este suelo, ¿qué activo concreto me preocupa en la próxima media hora? Es el paso de la alerta meteorológica espacial al parte de incidencias, y ahí los índices geomagnéticos llevan décadas alimentando los avisos de la NOAA y de los centros europeos de clima espacial. La novedad no es predecir la tormenta desde cero, sino traducir esa predicción en exposición localizada.
Lo que viene después está ya esbozado en el propio proyecto: extender el horizonte con transformadores temporales para ir más allá de la ventana actual de 30 a 60 minutos, adaptar el sistema a otras regiones con geologías y redes distintas, y bajar del nivel de subestación al de equipo crítico. También queda integrarse en los flujos de decisión que ya existen, no sustituirlos.
Mientras eso llega, la red eléctrica sigue siendo el eslabón blando de una sociedad que depende del cielo sin mirarlo. Cada tormenta geomagnética recuerda que el Sol tiene agenda propia y que nuestro margen de reacción se mide en minutos.
🔬 Ficha del Descubrimiento
- Qué se ha descubierto: un sistema de aprendizaje automático que estima el riesgo de corrientes geomagnéticamente inducidas en 66.935 subestaciones eléctricas con 30 a 60 minutos de antelación y detecta cerca del 80% de los eventos graves.
- Dónde: red de transmisión del territorio continental de Estados Unidos, a partir de observaciones del viento solar tomadas desde el punto de Lagrange L1.
- Institución responsable: Microsoft Research, proyecto interno desarrollado durante un programa de prácticas y pendiente de revisión por pares.
- Cuándo: evaluación sobre datos del periodo 2020-2026, descrita en el blog de investigación de Microsoft Research.
- Impacto a futuro: podría dar a los operadores margen para reconfigurar líneas y proteger transformadores críticos antes del impacto, si supera la validación con utilities.
