NASA利用深度学习监测太阳耀斑

2019年11月12日由 KING 发表 769291 0

太阳耀斑可能是科幻电影或小说中经常出现的威胁人类安全的现象，但是这是有科学依据的，太阳耀斑以及其他太空威胁不仅会对航天器和卫星产生严重影响，还会对无线电通信和GPS导航等地球系统造成破坏。然而，准确地监测太阳耀斑需要非常昂贵的成本，而且预测的结果往往是不可靠的。现在，美国国家航空航天局（NASA）的前沿发展实验室（FDL）已开发出一种基于深度学习的新方法，该方法可使研究人员更准确地捕获太阳的极端紫外线辐射。

过去，这种极端的紫外线辐射（或EUV）是造成太阳耀斑的主要原因，通常通过记录太阳上的磁场或等离子体的分布并将其输入基于物理的模型中以预测EUV来进行监控发射。但是，FDL使用了不同的方法：研究人员通过对太阳图像进行深度学习，创建了EUV辐照度的替代度量。太阳的图像由太阳动力天文台提供，这是由美国国家航空航天局于2010年发射的航天器，用于从地球周围的地球同步轨道观测太阳。该模型的研究者亚历山大·塞尼泽（Alexander Szenicer）说：“我们的研究表明如何训练一个深层神经网络来模仿太阳动力学天文台（SDO）上的仪器。通过根据任意给定时间SDO上其他仪器正在观测的内容推断传感器将检测到的紫外线辐射水平，我们证明了可以提高NASA太空任务的安全率，并提高我们监测太空威胁的能力。”

深度学习方法的结果超过了当前基于物理学的模型，并且，作为评估结果的一部分，该团队开发了用于比较预测的新基准，他们希望这些基准可以在将来的研究中派上用场。

这项研究是FDL进行的为期八周的夏季研究加速器的结果，该加速器是NASA艾姆斯研究中心，SETI研究所与许多其他私有和公共合作伙伴（包括Google Cloud、Intel AI、IBM、Nvidia、 HPE等。去年夏天，挑战在于开发一个AI模型以使用SDO图像来预测光谱辐照度。

该研究已经发表在Vol5《科学进展》杂志第10期，“用于监视极端紫外线太阳光谱辐照度的深度学习虚拟仪器”。

论文链接：https://advances.sciencemag.org/content/5/10/eaaw6548

标签：

行业深度学习

0 评论

欢迎关注ATYUN官方公众号

商务合作及内容投稿请联系邮箱:bd@atyun.com

上一篇人工智能系统的潜在不利因素

下一篇双11数据出炉！90后成最“秃”出群体…

评论登录

要发表评论，您必须先登录。

jonatasgrosman/wav2vec2-large-xlsr-53-english facebook/dino-vitb16 bert-base-uncased xlm-roberta-large xlm-roberta-base gpt2 microsoft/resnet-50 facebook/dino-vits8

最好的基于Transformer的LLM（上）