La identificación de regiones activas en la cara no visible del Sol (farside) mediante el análisis de oscilaciones en el hemisferio que da a La Tierra es uno de los resultados más impresionantes de la heliosismología local. El interés en la detección de regiones activas en el farside no se limita a la simple curiosidad de medirlas antes de que roten al hemisferio visible. Debido a la importancia del magnetismo en el farside para estudios solares y predicciones de meteorología espacial, se espera que en el futuro haya telescopios observando permanentemente todo el Sol. Hasta que ese futuro llegue, el único método capaz de monitorizar constantemente el farside solar es la heliosismología.

La heliosismología del farside se ve dificultada por la baja señal a ruido de las medidas. Únicamente las regiones activas grandes pueden ser detectadas de forma fiable en mapas de desplazamiento de fase del farside. En este proyecto, nuestro objetivo es desarrollar nuevos métodos para detectar la presencia de regiones activas en el hemisferio solar no visible. Nuestro enfoque se basa en el uso de herramientas de machine learning.

Debido al creciente interés en el joven campo de investigación dela meteorología especial y su impacto científico, social y económico, la heliosismología del farside tendrá un papel clave en las próximas décadas. Este proyecto abordará las principales limitaciones de la heliosismología del farside y aumentará significativamente sus aplicaciones prácticas.