亚马逊网络服务邀请AI帮助NASA克服太阳超级风暴

 
如果有朝一日，太阳将发出杀死卫星的辐射，那么亚马逊网络服务很可能在技术世界末日的爆发中发挥作用。
这是NASA与AWS专业服务和Amazon Machine Learning Solutions Lab合作的项目的结果，该项目将借助人工智能来了解有关太阳超级风暴的早期预警信号的更多信息。
当太阳表面的干扰以每小时数百万英里的速度抛弃辐射爆炸和带电粒子爆发时，就会发生太阳风暴。足够强烈的辐射爆炸会影响全球一半的无线电通信。而且，如果这种喷发足够强大，可以直接扫过地球，那么这种喷发(称为日冕物质抛射或CME)可能会损坏卫星并使电网崩溃。
最近最著名的例子发生在1989年，当时高能CME使魁北克水电局的电网过载，导致加拿大和美国东部超过600万人的电力中断。
但这并不是太阳能做的最坏的事情：科学家和历史学家指出1859年发生的卡林顿事件超级风暴，该事件对电报系统造成了严重破坏，并产生了极亮的极光显示，据说美国东北部的人们能够阅读报纸照亮了他们。今天，一场如此大的风暴将对我们的有线(和无线)世界造成沉重打击。
我们并非没有防备太阳风暴的危险：像NASA的Solar Dynamics天文台和Advanced Composition Explorer这样的太阳观测卫星可以提前足够多地警告即将到来的CME，以便卫星运营商和电网管理者采取保护措施。美国国家海洋与大气管理局(National Oceano and Atmospheric Administration)的太空天气预测中心提供有关太空风暴的不断更新的前景，就像美国国家气象局(National Weather Service)针对更靠近地面的风暴一样。
但是，随着我们越来越依赖于卫星通信，准确地预测太空天气将变得越来越重要。而且由于空间气象卫星的激增，用于分析的数据量变得越来越庞大。
为了应对大量数据并改善未来的风险评估，NASA正在使用Amazon Web Services的分析工具来一次筛选多达1,000个数据集，并训练可以识别即将爆发的迹象的计算机模型。
正如亚马逊博客文章中所述，美国宇航局的方法将太阳风驱动器与地球周围的磁场水平相关联，从而找出数据中的异常现象。
NASA使用一种称为Amazon SageMaker的机器学习工具来使用内置的AWS Random Cut Forest算法训练异常检测模型。该算法为每组数据点都提供了一个“异常评分”。其他AWS工具会跟踪数据中的实时异常，并跟踪它们与太阳风暴之间的联系。
该计划使NASA可以汇总来自50多个卫星任务的数据，并开发可视化效果以进行进一步研究。科学家们已经能够创建模拟卡林顿事件等超级风暴所必需的太阳现象的模拟。
领导华盛顿特区NASA总部项目的太阳物理学家珍妮特·科兹拉(Janet Kozyra)对亚马逊说：“我们必须像气象学家一样，从整体上看待超级暴风雨。”
“太阳物理研究涉及使用许多仪器，通常是在不同的空间或地面观测站中进行。数据很多，并且时间滞后等因素增加了复杂性，” Kozyra说。 “借助亚马逊，我们可以获取超级风暴中的每一个数据，并利用我们检测到的异常来改进可有效预测和分类超级风暴的模型。”
太阳超级暴风雨的发生时间与飓风发生的时间不同。太阳倾向于遵循11年的活动周期，这意味着下一个暴风季节-被称为太阳最大-将在2023-2026年的时间框架内。到那时，在AWS的帮助下，应该准备使用新的和改进的太空天气预报模型。