隨著人類將目光投向月球與星辰以進行未來探索，預測太空天氣——主要由太陽驅動的空間狀況——變得前所未有的重要。
現在，NASA COFFIES（太陽內外磁場與流效應）的が天體物理學家與數據科學家團隊開發了一種新穎的機器學習模型，能夠在太陽活躍區域出現前最多 12 小時進行預測。
太陽持續地翻騰。局部強烈的磁場集中區會突然穿透太陽表面，形成太陽黑子。太空天氣預報員會對太陽黑子進行編號和追蹤，因為它們是活躍區域的可見表現，而活躍區域是太陽閃焰和日冕物質拋射等嚴重太空天氣事件的主要引擎。這些噴發將高能輻射和帶電粒子波傳送到太空，產生可能威脅太空人、損壞衛星並擾亂地球無線電通訊的風暴。
透過整合不同科學機構的專業知識，NASA DRIVE（多元化、實現、整合、冒險、教育）科學中心 COFFIES 匯集了來自紐澤西理工學院（NJIT）、普林斯頓大學和加州矽谷 NASA 艾姆斯研究中心的團隊。該團隊轉向先進的人工智慧架構——這決定了數據的處理方式以及如何用於產生可靠的預測或行動——以捕捉太陽表面在活躍區域成形前的細微、基於時間的模式變化。透過分析該機構太陽動力學天文台捕捉的數據，並利用 NASA 艾姆斯研究中心的超級運算資源，這項發表在《地球物理學研究期刊：機器學習與計算》上的新方法，觀察太陽黑子區域在形成於太陽表面之下並開始向上發展至表面時所引起的聲波波動。
「我們無法直接看到磁結構在它仍在太陽內部上升時的樣子。相反地，我們必須尋找間接的影響——磁場和持續穿過太陽的聲波模式中非常微小的變化，」NJIT 的 COFFIES 聯合研究員 Alexander Kosovichev 表示。「開發的技術識別了與新興活躍區域相關的前兆，這些前兆體現在太陽聲波功率的些微變化中——更像是非常嘈雜的管弦樂隊中節奏的些微改變。」
為了開發目前的作業預報，美國國家海洋暨大氣總署的太空天氣預測中心和美國空軍監測太陽上已可見的活躍區域，以分析這些區域的特徵並估計太陽閃焰的機率。
COFFIES 團隊旨在徹底改變這個過程。該團隊開發的人工智慧模型是一個專門的早期偵測系統，能夠處理非常長的數據序列——稱為滑動窗口轉換器架構——利用觀測來尋找太陽聲波活動和磁場的微小減少，這些是科學家直到現在都難以捕捉到的訊號。這些減少形成了 AI 模型用來預測活躍區域在太陽表面可見前數小時的模式。這個新模型不像早期深度學習方法那樣一次性觀察太陽表面的所有活動，而是將一個固定大小的「視窗」在太陽活動的長時間軸上移動，專注於近期數據，同時記住整體模式。這種方法使預報員能夠預測新興太陽黑子的近似位置，而不是依賴計算已可見的太陽黑子。
這個有前景的人工智慧架構展示了深度機器學習如何能為日球物理學做出貢獻——研究太陽性質及其如何影響空間性質和其中行星的領域。雖然該模型尚未準備好進行作業即時預報，但該團隊計劃在更多已知的太陽事件中驗證該方法，以微調模型。
NASA 的即時太空天氣監測
隨著 NASA 透過阿提米絲任務專注於將人類送往月球探索，並將首次載人任務送往火星，監測和預測太空天氣對於確保我們太空人的安全以及他們所依賴的設備至關重要。COFFIES 團隊的這項預測飛躍可能對保護我們的科技和深空探險家免受我們太陽系動盪環境的影響至關重要。
NASA 和 NOAA 的團隊合作，將研究能力轉化為實際的 360 度太空天氣監測作業工具——包括 NASA 的太空輻射分析小組、月球到火星太空天氣分析辦公室（M2M SWAO）以及社群協調模型中心，以及 NOAA 的太空天氣預測中心。太陽黑子區域出現的預測能力，特別是太陽的遠端，可以提供補充這些團隊目前使用的模型的新資訊。
「COFFIES AI 模型令我們的團隊感到興奮，因為它可能為我們提供提前預測潛在閃焰位置的新能力，」M2M SWAO 副主任 Michelangelo Romano 表示。「有了這個預警，我們可以為 NASA 的任務提供額外的支援。」
NASA 的 COFFIES 是三個 DRIVE 科學中心之一，旨在透過建立由美國各地多個機構的多學科團隊組成的中心來鼓勵協作科學。這些開創性的設施僱用了模型師、理論家、電腦科學家和觀測員來研究我們恆星及其影響的重要謎團，這是日球物理學的一個分支。
COFFIES 團隊專注於太陽活動背後的相互關聯過程。理解太陽的內部和磁場變異性是我們進一步了解太陽 11 年活動週期和微調太空天氣預報工具的關鍵。