美國宇航局（NASA）前沿發(fā)展實驗室（FDL）的研究團隊已經證明，通過使用人工智能（AI）深度學習，可以虛擬地監(jiān)測太陽的極端紫外線（EUV）輻照度，這是空間天氣的關鍵驅動因素。太陽對于生存至關重要，但通常一年發(fā)生幾次的太陽耀斑有可能在太空和地球上造成嚴重破壞。這些中斷可能會影響航天器，衛(wèi)星，甚至地球上的系統(tǒng)，包括GPS導航，無線電通信和電網(wǎng)。

通過提供虛擬儀器來補充物理設備，深度學習可以幫助我們從當前監(jiān)控太陽的能力中獲得更多價值。這項研究發(fā)表在《科學進展》（用于監(jiān)測太陽極端紫外光譜輻照度的深度學習虛擬儀器）上。美國宇航局前沿發(fā)展實驗室團隊成員和合著者Alexander Szenicer（牛津大學）說：我們的研究表明，深層神經網(wǎng)絡可以被訓練成模擬太陽動力學天文臺（SDO）上的儀器。通過根據(jù)SDO上的其他儀器在任何給定時間觀察到的情況。

（博科園圖示）經過四年的數(shù)據(jù)培訓后，AI深度學習網(wǎng)絡（中心）可以攝取AIA圖像（左）并輸出EVE MEGS-A頻譜的預測（右）。圖片：Alexandre Szenicer

推斷該傳感器將檢測到的紫外線輻射水平，證明有可能提高NASA任務的科學生產力，并增強監(jiān)測空間天氣太陽能來源的能力。前沿發(fā)展實驗室是NASA Ames研究中心、SETI研究所和私營部門和太空機構合作伙伴之間的合作伙伴，包括Google Cloud、Intel AI、IBM、Kx Lockheed Martin、盧森堡航天局、NVIDIA、加拿大航天局、HPE和Element AI。

在為期8周的夏季研究加速器期間，由人工智能和自然科學領域早期職業(yè)研究人員組成的跨學科團隊共同合作，應用人工智能和機器學習來解決重要的挑戰(zhàn)問題。這項研究背后的挑戰(zhàn)問題是開發(fā)一個使用SDO圖像預測太陽光譜輻照度的AI模型。傳統(tǒng)監(jiān)測太陽EUV光譜輻照度的方法，包括試圖預測EUV發(fā)射的物理啟發(fā)模型。這些方法要么使用太陽表面的磁場分布，要么使用太陽日冕中等離子體分布的基于物理的反轉。這些新結果表明，使用太陽成像觀測來創(chuàng)建EUV光譜輻照度的代理測量是可能的。

將來自NASA的SDO的日冕圖像饋送到深層神經網(wǎng)絡，能夠生成代理EUV測量，其精確度超過基于物理的模型。此外，研究團隊還開發(fā)了用于比較EUV模型之間預測的基準和協(xié)議。這些將對今后的研究有用。到目前為止，通過將深度學習與大規(guī)?？茖W空間數(shù)據(jù)相結合，研究幾乎沒有觸及到什么是可行的。數(shù)據(jù)科學和機器學習將在我們理解空間天氣起源的努力中，發(fā)揮越來越重要的作用。