人工智能可以预测太阳耀斑

几个月前， 太阳 出现了最大的太阳黑子，我们已经看到过去24年。 这是一个可怕的染色是明显的肉眼(即没有近似值，但是，用护目镜)和催生了一百多照明弹。 这些太阳黑子而变化的循环每一个11岁，增加和减少。 现在太阳是在最活跃的一部分，这种循环：我们期望很大的点和一个很大的爆发，在未来几个月内。

人们通常害怕的破坏力太阳耀斑—有一个机会，有一天大规模爆炸的阳光将会把我们的方向一吨的高能粒子和弗莱我们的通信卫星。 但没有人认为有关的事实，我们可以预测这些疾病的爆发，就像的天气，并因此防止任何可能的损害。 但是，如何预测太阳耀斑吗？

方法之一是使用的程序的机的学习类型的人工智能自动提取数据从经验。 这些算法正在不断改善他们的数学模型，当有新数据出现。 但为了学习算法需要大量的数据。 科学家们没有足够的数据有关太阳直到2010年，直到他在运行的太阳动力学观察站(太阳动力学观测站，SDO)、太阳观测卫星，发送每天约有半个太字节的数据来地球—比这更多的卫星数据不发给没有装置历史上的 美国宇航局的。

太阳耀斑，如你所知，是一个复杂的活动过程。 它们发生在太阳大气以上的太阳黑子位于太阳表面的。 太阳黑子通常会对，就像磁铁栏—一点作为北极，其他作为南部。 鉴于太阳是非常大量的斑点，不同的层的太阳旋转速度不同，阳光本身具有南极和北极磁场变得极为饱和。 作为结果的磁场，扭转像橡皮筋，释放了大量的能源在其存在。 因此，有一个太阳耀斑。 有时候扭曲的领域不是闪光灯，有时会闪光出现从看似无害的景点，有时是巨大的太阳黑子产生什么。

我们不知道是什么原因导致 对太阳耀斑 从观点的物理学。 我们有—我们知道，火炬已经磁性质，但我们不知道他们怎么放这么多的能量如此之快。 在没有一个最后的物理理论、最佳希望预测太阳耀斑在于处理我们的大量数据在搜索的线索。

主要有两种方式的预测太阳耀斑：数值模型和统计模型。 在第一种情况下，我们作为一个基础，我们已知的物理现象的公式，运行它们在时间和获得的预测。 第二，我们使用的统计数据。 我们回答的问题：什么样的的概率是，在活动地区有巨大的太阳点将出现闪光？ 什么是几率会出现这种情况与一个小小的污点吗？ 最后，还有巨大的数据集的完整的详细信息：大小的太阳黑子、磁场强度。 然后，科学家们在寻找之间的连接这些部分和太阳耀斑。

计算机学习算法可以结束它。 我们使用计算机学习算法无处不在。 生物统计表使用它们来唤醒我们，当我们的机构的需要。 他们是好于医生预测的罕见的遗传疾病。 他们识别模式，这激励着科学家们在整个历史。 科学家相信学习机算法的普遍有用的，因为他们可以理解非线性的数据，并与大量的人就几乎是不可能做到的。 但很多模型是非线性的，因此这样的算法被越来越多地应用于所有领域。

科学家们使用计算机学习算法来预测的太阳耀斑的基础上的一个巨大的数据集SDO。 它必须建立一个数据库的所有活动地区，这是观察到，通过SDO。 由于这种历史数据，我们已经知道闪过这些活动的区域或没有。 学习算法分析的详细的活动的地区，大小的太阳黑子，强度相关联的磁场，他们的扭曲—揭示的一般特点的耀斑活跃的区域。

要做到这一点，算法开始与一个假设。 例如，第一，他建议一个微小的太阳黑子有一个弱磁场将产生一个巨大的闪光。 然后检查的响应。 噢，没有。 然后算法重建其假设。 下一次，他拥有另一个去。 通过试验和错误，成千上万的猜测和检查，算法的逐渐提高了准确的预测。 它可以应用于实时数据，并且他继续学习。

进一步在这方面的工作将为我们提供一个更好地了解即将到来的太阳耀斑。 虽然科学家已经显示，机械学习的算法是最好或者，在最坏的情况，同样作为统计或数值的方法。 这是很酷,真的. 这样的算法，它可以工作，没有人民的参与，刚刚浏览过的大量数据，将被无限的有用的和更多的和更多的—在各种各样的领域。 奇怪的是，同样的算法，作出预测的太阳耀斑，可以与遗传疾病及其定义。

如果什么数据将会更多？ 谁知道。 虽然我们有一个很大的数据对太阳性别歧视条例已经工作了四个半年，由于它不是那么多太阳耀斑。 因为我们是在一个非常安静的太阳周期的世纪。 还有一个原因是继续收集数据。

资料来源：hi-news.ru