美國宇航局（NASA）前沿發展實驗室(FDL)的研究團隊已經證明，通過使用人工智慧（AI）深度學習，可以虛擬地監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。太陽對於生存至關重要，但通常一年發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，衛星，甚至地球上的系統，包括GPS導航，無線電通訊和電網。

通過提供虛擬儀器來補充物理裝置，深度學習可以幫助我們從當前監控太陽的能力中獲得更多價值。這項研究發表在《科學進展》(用於監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，深層神經網路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SDO上的其他儀器在任何給定時間觀察到的情況。

推斷該感測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，並增強監測空間天氣太陽能來源的能力。前沿發展實驗室是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，由人工智慧和自然科學領域早期職業研究人員組成的跨學科團隊共同合作，應用人工智慧和機器學習來解決重要的挑戰問題。這項研究背後的挑戰問題是開發一個使用SDO影象預測太Sunny譜輻照度的AI模型。傳統監測太陽EUV光譜輻照度的方法，包括試圖預測EUV發射的物理啟發模型。這些方法要麼使用太陽表面的磁場分佈，要麼使用太陽日冕中等離子體分佈的基於物理的反轉。這些新結果表明，使用太陽成像觀測來建立EUV光譜輻照度的代理測量是可能的。

將來自NASA的SDO的日冕影象饋送到深層神經網路，能夠生成代理EUV測量，其精確度超過基於物理的模型。此外，研究團隊還開發了用於比較EUV模型之間預測的基準和協議。這些將對今後的研究有用。到目前為止，通過將深度學習與大規模科學空間資料相結合，研究幾乎沒有觸及到什麼是可行的。資料科學和機器學習將在我們理解空間天氣起源的努力中，發揮越來越重要的作用。

參考期刊《科學進展》

DOI: 10.1126/sciadv.aaw6548