原创 全天候实时监测识别来自太阳的威胁,人工智能也加入地球保卫战!

美国宇航局(NASA)前沿发展实验室(FDL)的研究团队已经证明,通过使用人工智能(AI)深度学习,可以虚拟地监测太阳的极端紫外线(EUV)辐照度,这是空间天气的关键驱动因素。太阳对于生存至关重要,但通常一年发生几次的太阳耀斑有可能在太空和地球上造成严重破坏。这些中断可能会影响航天器,卫星,甚至地球上的系统,包括GPS导航,无线电通信和电网。

aa8180bb57a443d1bc9dede2280442e0

通过提供虚拟仪器来补充物理设备,深度学习可以帮助我们从当前监控太阳的能力中获得更多价值。这项研究发表在《科学进展》(用于监测太阳极端紫外光谱辐照度的深度学习虚拟仪器)上。美国宇航局前沿发展实验室团队成员和合著者AlexanderSzenicer(牛津大学)说:我们的研究表明,深层神经网络可以被训练成模拟太阳动力学天文台(SDO)上的仪器。通过根据SDO上的其他仪器在任何给定时间观察到的情况。

b0c3031a83da4a578d1dcaa3dec52fc7
8b436ea42fbc4828a2c502730556aab9

在为期8周的夏季研究加速器期间,由人工智能和自然科学领域早期职业研究人员组成的跨学科团队共同合作,应用人工智能和机器学习来解决重要的挑战问题。这项研究背后的挑战问题是开发一个使用SDO图像预测太阳光谱辐照度的AI模型。传统监测太阳EUV光谱辐照度的方法,包括试图预测EUV发射的物理启发模型。这些方法要么使用太阳表面的磁场分布,要么使用太阳日冕中等离子体分布的基于物理的反转。这些新结果表明,使用太阳成像观测来创建EUV光谱辐照度的代理测量是可能的。

8c9914c0b26f4f308083e1a9a285fb84

将来自NASA的SDO的日冕图像馈送到深层神经网络,能够生成代理EUV测量,其精确度超过基于物理的模型。此外,研究团队还开发了用于比较EUV模型之间预测的基准和协议。这些将对今后的研究有用。到目前为止,通过将深度学习与大规模科学空间数据相结合,研究几乎没有触及到什么是可行的。数据科学和机器学习将在我们理解空间天气起源的努力中,发挥越来越重要的作用。

博科园|研究/来自:SETI研究所参考期刊《科学进展》DOI:10.1126/sciadv.aaw6548博科园|科学、科技、科研、科普关注【博科园】看更多大美宇宙科学哦

© 版权声明
THE END
喜欢就支持以下吧
点赞0
评论 抢沙发