根據(jù)一項(xiàng)新研究，計(jì)算機(jī)可以學(xué)習(xí)在浩瀚的太陽(yáng)圖像流中發(fā)現(xiàn)太陽(yáng)耀斑和其他事件，并幫助NOAA預(yù)報(bào)員及時(shí)發(fā)出警報(bào)。這項(xiàng)由CIRES和NOAA國(guó)家環(huán)境信息中心(NCEI)科學(xué)家開發(fā)的機(jī)器學(xué)習(xí)技術(shù)，搜索大量的衛(wèi)星數(shù)據(jù)，以找出對(duì)空間天氣有重要意義的特征。

太陽(yáng)和太空條件變化會(huì)影響地球上的各種技術(shù)，阻礙無(wú)線電通信，破壞電網(wǎng)，降低導(dǎo)航系統(tǒng)的精確度。

NOAA空間天氣預(yù)測(cè)中心(SWPC)的預(yù)報(bào)員羅布·斯蒂恩伯格(Rob Steenburgh)表示：能夠?qū)崟r(shí)處理太陽(yáng)數(shù)據(jù)是很重要的，因?yàn)樘?yáng)上爆發(fā)的耀斑會(huì)在幾分鐘內(nèi)影響地球，這些技術(shù)提供了一個(gè)快速、持續(xù)更新的太陽(yáng)特征概覽，可以為我們指出需要更仔細(xì)檢查的區(qū)域，其研究發(fā)表在《空間天氣與空間氣候》期刊上。為了預(yù)測(cè)即將到來(lái)的太空天氣，預(yù)報(bào)員每天兩次總結(jié)太陽(yáng)的當(dāng)前狀況。今天，他們使用標(biāo)有各種太陽(yáng)特征的手繪地圖，包括活動(dòng)區(qū)、燈絲和日冕洞邊界。

但是太陽(yáng)成像儀每隔幾分鐘就會(huì)產(chǎn)生一組新的觀測(cè)數(shù)據(jù)。例如，NOAA的GOES-R系列衛(wèi)星上太陽(yáng)紫外線成像儀(SUVI)每4分鐘運(yùn)行一次，每個(gè)周期收集6種不同波長(zhǎng)的數(shù)據(jù)。CIRES科學(xué)家、該論文的合著者之一丹·西頓(Dan Seaton)表示：僅僅是跟上所有這些數(shù)據(jù)就可能會(huì)占用預(yù)報(bào)員的大量時(shí)間，我們需要工具將太陽(yáng)能數(shù)據(jù)處理成可消化的塊。因此，加州大學(xué)博爾德分校(CU Boulder)的計(jì)算機(jī)科學(xué)研究生J·馬庫(kù)斯·休斯(J.Marcus Hughes)；

NCEI的CIRES科學(xué)家和這項(xiàng)研究的主要作者，創(chuàng)造了一種計(jì)算機(jī)算法：可以同時(shí)查看所有SUVI圖像，并發(fā)現(xiàn)數(shù)據(jù)中的模式。創(chuàng)建了一個(gè)專家標(biāo)記的太陽(yáng)地圖數(shù)據(jù)庫(kù)，并利用這些圖像教計(jì)算機(jī)識(shí)別對(duì)預(yù)測(cè)重要的太陽(yáng)特征。研究人員沒(méi)有告訴計(jì)算機(jī)算法如何識(shí)別這些特征，而是告訴它要尋找什么，比如耀斑、日冕洞、明亮區(qū)域、燈絲和日珥，計(jì)算機(jī)通過(guò)算法學(xué)習(xí)如何識(shí)別。該算法使用決策樹方法識(shí)別太陽(yáng)特征，該方法遵循一組簡(jiǎn)單的規(guī)則來(lái)區(qū)分不同特征。

它一次檢查一個(gè)像素的圖像，并在將其發(fā)送到樹的分支之前，判斷該像素是否比某個(gè)閾值更亮或更暗。重復(fù)這一過(guò)程，直到在樹的最底部，每個(gè)像素只適合一個(gè)類別或特征。該算法學(xué)習(xí)數(shù)百棵決策樹，并沿每棵樹做出數(shù)百個(gè)決策，以區(qū)分不同的太陽(yáng)特征，并確定每個(gè)像素的“多數(shù)票”。一旦系統(tǒng)經(jīng)過(guò)訓(xùn)練，它可以在幾秒鐘內(nèi)對(duì)數(shù)百萬(wàn)像素進(jìn)行分類，支持可能是常規(guī)的，或需要警報(bào)或警告的預(yù)測(cè)。

這項(xiàng)技術(shù)很擅長(zhǎng)同時(shí)使用所有的數(shù)據(jù)，因?yàn)樗惴ǖ膶W(xué)習(xí)速度非?？欤梢詭椭A(yù)報(bào)員比現(xiàn)在更快地了解太陽(yáng)上正在發(fā)生的事情。這項(xiàng)技術(shù)還能看到人類看不到的模式，它有時(shí)可以找到我們自己難以正確識(shí)別的特征。因此，機(jī)器學(xué)習(xí)可以指導(dǎo)我們的科學(xué)探索，識(shí)別不知道尋找特征的重要特征。該算法在發(fā)現(xiàn)模式方面的技能不僅對(duì)短期預(yù)測(cè)有用，而且還有助于科學(xué)家評(píng)估長(zhǎng)期的太陽(yáng)數(shù)據(jù)和改進(jìn)太陽(yáng)模型。

博科園｜研究/來(lái)自：科羅拉多大學(xué)博爾德分校

參考期刊《空間天氣與空間氣候》

DOI: 10.1051/swsc/2019036

博科園｜科學(xué)、科技、科研、科普