作者：Stephen Luntz
编译：陈昭昭
图片来源：NASA/SDO
像这样的耀斑可能对重要的技术系统构成威胁，但现在至少操作人员会得到半小时的警告。
预测太阳爆发何时会影响地球的努力是不精确的且令人沮丧的，但美国宇航局期望它们能变得更好一点。一个人工智能系统现在正在处理来自卫星的数据，以警告强大到足以破坏重要基础设施的太阳风暴。
如果你曾想过，如果在全球灾难发生前一天你会做什么，你可能想缩短你的时间线，只是为了做好准备。并不是说美国宇航局希望它现在可以用30分钟的预警来预测的太阳风暴会摧毁地球或任何如此戏剧性的事情，但它们确实涉及到可能使我们的文明受到很大压力的事件的（小）风险。
也许并不奇怪，科学家们仍然没有什么能力来预测何时会发生重大的太阳风暴。事实上，我们预测一个太阳周期的平均活动水平的能力仍然很差。然而，我们期望，一旦风暴发生，就很容易知道它们是否以及何时会撞击地球磁场，引发地磁诱导电流（GICs）。GICs可以对任何长的、薄的和金属的东西造成破坏--包括电气技术、石油管道和铁路。
这种能力使我们有足够的机会在与日冕物质抛射（CMEs）相关的带电粒子穿越地球-太阳距离并影响我们的世界所需的2-3天内做好准备。然而，相反，即使在我们目睹了巨大的耀斑之后，预测命中率仍然是非常失误的。例如，3月23日的史诗般的极光让我们大吃一惊--人们期望那晚的极光是为第二天晚上的大型事件做一个温和的铺垫。
错过极地光的奇迹可能是令人难过的，但与没有准备好应对一个可能使互联网崩溃和破坏电网的事件（至少是暂时的）的后果相比，这只是小事。
对像这样的事件的警告的追求，让美国宇航局、美国地质调查局和美国能源部共同开发了一个深度学习程序，以识别太阳风活动的模式。深度学习地磁扰动计算机模型，现在被命名为DAGGER，就是这一成果。DAGGER的能力已经在最近的一篇论文中进行了描述。
然而，它取决于靠近地球的太阳风活动，而不是在它第一次离开太阳时，只提供30分钟的警告，每分钟更新一次。
"印度大学间天文学和天体物理学中心的Vishal Upendran在一份声明中说："有了这个人工智能，现在有可能在发生太阳风暴时进行快速和准确的全球预测并告知决策，从而最大限度地减少--甚至防止--对现代社会的破坏。
作者通过向DAGGER提供2011年8月和2015年3月地磁暴之前的数据，验证了它的能力。在这两种情况下，DAGGER不仅预测了影响，而且还预测了影响的大小和在地球上的什么地方会感受到。
如果你不记得这些事件，那是因为它们都不是那么灾难性的。然而，我们没有1989年的详细太阳风暴数据--更不用说1859年了--来测试DAGGER在面对来自太阳的真正严重的爆发时的表现如何。
然而，深度学习的优势在于，它所处理的数据越多，其预测就越好。在一场大风暴之前，我们经历的每一场非威胁性风暴都会提高DAGGER在关键时刻的表现能力。
结合在源头观察太阳风的能力的提高，DAGGER可能是通往更长预警期的垫脚石。也许到那时，除了给系统运营商一个机会把他们的电荷放入安全模式外，我们其他人也可以实现我们的末日前派对计划。
对DAGGER性能的研究在《空间天气》杂志上公开发表。
资料来源：
https://www.iflscience.com/nasas-dagger-should-give-30-minutes-warning-of-catastrophic-solar-storms-68937
作者：Stephen Luntz
斯蒂芬-伦茨毕业于墨尔本大学，拥有科学（物理学专业）和艺术（英国文学和科学历史与哲学）学位，随后又获得了澳大利亚国立大学的科学传播研究生文凭。除了为科学博物馆设计展品外，毕业文凭还包括为澳大利亚农村地区的数千名学生表演有关飞行和碰撞的科学以及液氮的用途。在成为IFLScience.com的作家之前，斯蒂芬为《澳大利亚科学》杂志写了15年的文章。他的专栏曾入围昆士兰总理科学写作奖，并构成了《法医学、化石和果蝠》一书的基础：澳大利亚科学家实地指南》一书的基础。该书探讨了那些从事大量现代研究的科学家的职业和动机，但他们很少获得对那些获得重大奖项的少数人的关注。另一方面，他也为他的文章采访了三位诺贝尔奖得主。