首页 >新闻 > 科技 > 内容

招募人工智能来帮助NASA赶在太阳超级风暴之前

科技 2020-01-20 13:38:13

如果某天太阳发射出的辐射能达到毁灭卫星的程度,亚马逊网络服务很可能会在阻止技术末日到来方面发挥作用。

这是NASA与AWS专业服务和亚马逊机器学习解决方案实验室(Amazon Machine Learning Solutions Lab)合作的一个项目的结果,该项目旨在借助人工智能,更多地了解太阳超级风暴的早期预警信号。

当太阳表面的扰动产生大量的辐射和带电粒子以每小时数百万英里的速度喷发时,太阳风暴就会发生。一次足够强的辐射爆炸可以影响到全球一半以上的无线电通讯。如果被称为日冕物质抛射或日冕物质抛射的喷发足够强烈,并直接掠过地球,它们可能会破坏卫星并摧毁电网。

最近最著名的例子发生在1989年,当时一个高能的CME使魁北克水电站的电网超载,导致加拿大和美国东部600多万人断电

但这并不是最糟糕的,太阳可以做:科学家和历史学家指出,1859年的超级风暴被称为卡林顿事件,这与电报系统造成严重的破坏和极光创建显示如此明亮,人在美国东北部说光能够读报纸。今天,如此规模的风暴将对我们的有线(和无线)世界造成沉重打击。

我们并非对太阳风暴毫无防备:太阳观测卫星,如美国国家航空航天局的太阳动力学观测站和先进的成分探测者,可以提前很长时间对即将到来的CME发出预警,以便卫星操作员和电网管理者采取保护措施。美国国家海洋和大气管理局的太空天气预测中心不断更新太空风暴的观测结果,就像美国国家气象局对接近地面的风暴所做的那样。

但随着我们越来越依赖卫星通信,准确预测太空天气将变得越来越重要。由于太空气象卫星的激增,用于分析的数据量正变得越来越惊人。

为了应对数据洪流,并改善未来的风险评估,NASA正在使用亚马逊网络服务(Amazon Web Services)的分析工具,一次筛选多达1000组数据,并训练计算机模型,以识别即将爆发的信号。

正如亚马逊的一篇博客文章所描述的,NASA的方法将太阳风驱动和地球周围的磁场水平联系起来,从数据中找出异常。

NASA使用一种叫做Amazon SageMaker的机器学习工具来训练一个异常检测模型,该模型使用了内置的AWS随机森林算法。该算法给每组数据点一个“异常分数”。其他AWS工具可以跟踪数据中的实时异常,并追踪它们与太阳风暴之间的联系。

这项计划使美国国家航空航天局能够收集来自50多个卫星任务的数据,并为进一步的研究开发可视化技术。科学家已经能够模拟太阳现象,这是复制像卡灵顿这样的超级风暴所必需的。

“我们必须整体地看待超级风暴,就像气象学家研究极端天气事件一样,”NASA华盛顿总部的太阳物理学家Janet Kozyra告诉亚马逊网站。

“太阳物理学的研究涉及使用多种仪器,通常是在不同的空间或地面天文台。有很多数据,而且像时间滞后这样的因素增加了复杂性,”Kozyra说。“有了亚马逊,我们可以获得关于超级风暴的每一份数据,并利用我们发现的异常来改进预测和有效分类超级风暴的模型。”

太阳超级风暴发生的时间尺度与飓风不同。太阳往往遵循一个11年的活动周期,这意味着下一个风暴季节——被称为太阳活动极大期——将在2023-2026年的时间框架内到来。到那时,在AWS的帮助下,新的和改进的空间天气预报模型应该准备就绪。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时候联系我们修改或删除,多谢。