共计 720 个字符，预计需要花费 2 分钟才能阅读完成。
NASA 近日发布了一款名为 Surya 的人工智能模型，旨在改进太阳活动的监测和预测方式。该模型通过分析复杂的太阳行为，帮助预测可能干扰卫星、通信和电力系统的空间天气事件。
Surya 基于 NASA 的太阳动力学观测站（SDO）在过去九年中收集的数据进行训练。自 2010 年以来，SDO 提供了连续的高分辨率太阳记录。该模型在这些数据上进行了 9 年的训练，旨在检测太阳数据中的模式，并生成关于太阳耀斑和紫外线输出等事件的预测，这些事件会影响地球的上层大气和轨道技术。
Surya 采用基础模型架构，不需要详细的标注来学习。相反，它处理原始的太阳图像和磁场测量数据，以识别太阳活动的早期迹象。初步测试显示，Surya 可以提前两小时预测太阳耀斑，性能超过之前的基准超过 15%。
该模型在预测对卫星运行构成挑战的事件方面已经显示出实用性。太阳风暴可能会干扰 GPS、通信和卫星导航，在更严重的情况下，它们会通过加热上层大气并增加低地球轨道卫星的阻力来影响轨道稳定性。
Surya 在预测之外还具有潜在的应用。其架构使其能够协助跟踪太阳上的活跃区域，估计太阳风速，并整合来自其他太阳观测站的数据，包括帕克太阳探测器和太阳与日球层观测台。
为了支持协作，NASA 已在 HuggingFace 和 GitHub 等平台上公开了该模型和训练数据。这种开放访问方式使研究人员、教育工作者和开发者能够探索该模型，并将其应用于相关领域，包括地球观测和行星科学。
Surya 的开发是 NASA 将人工智能纳入空间科学的更大计划的一部分。该项目部分由美国国家人工智能研究资源（NAIRR）试点计划支持，反映了在监测像太阳这样的动态系统中使用机器学习的日益增长的努力——早期检测有助于保护地球上的关键基础设施。
