美國宇航局（NASA）前沿發展實驗室（FDL）的研究團隊已經證明，通過使用人工智能（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。太陽對于生存至關重要，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，無線電通信和電網。

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》（用于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）經過四年的數據培訓后，AI深度學習網絡（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，由人工智能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，應用人工智能和機器學習來解決重要的挑戰問題。這項研究背后的挑戰問題是開發一個使用SDO圖像預測太陽光譜輻照度的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，研究團隊還開發了用于比較EUV模型之間預測的基準和協議。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模科學空間數據相結合，研究幾乎沒有觸及到什么是可行的。數據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。