據外媒報導，美國宇航局（NASA）的太陽動力學天文臺（SDO）有一些巧妙的方法來避免受到太陽的影響，因為該航太局收集了關於我們最近的恆星的重要資訊。 太陽動力學天文臺已經工作了十多年，揭開了關於太陽中強大力量的前所未有的細節，但新的人工智慧技術正在確保其”太陽視力”是正常的。

SDO由兩個主要的成像儀器組成，即太陽地震和磁成像儀（HMI）和大氣成像元件（AIA）。 後者對太陽的表面進行持續的”注視”，每12秒捕捉一次10個波長的紫外光的鏡頭。

AIA可能比人的眼睛更有”彈性”–盯著太陽看對人們的眼睛造成的損害，即所謂的日光性視網膜病變，可能在兩分鐘內發生–但隨著時間的推移，它仍然受到巨大能量輸出的影響。 “隨著時間的推移，太陽望遠鏡的敏感鏡片和感測器開始退化，”NASA解釋說。 “為了確保這種儀器發回的數據仍然是準確的，科學家們定期進行重新校準，以確保他們了解儀器是如何變化的。”

到目前為止，SDO的這一目測依靠的是探空火箭。 這些火箭的設計壽命很短，它們飛出地球的大部分大氣層–這有助於保護我們免受大部分紫外線的傷害–然後測量那裡的水準。 然後與AIA的測量結果進行比較，然後對數據進行調整以適應儀器的退化。 上圖左邊是AIA的原始數據，右邊是使用探空火箭校準的處理版本。

NASA解釋說，問題是不可能一直發送探空火箭。 該機構解釋說：「這意味著在每次探空火箭校準之間會有停機時間，校準會有輕微偏差。 同時，展望未來，深空任務也將需要觀察有潛力的恆星，但將不能使用探空火箭進行校準。 ”

週五的一篇新論文中詳細介紹了解決辦法，那就是機器學習。 通過在探空火箭校准飛行的現有圖像上訓練人工智慧演算法，並告訴它什麼是正確的校準量，該系統可以學習應用多少。

在上面的圖片中，上面一行顯示的是AIA在開始觀測以來的幾年中捕獲的原始數據。 下行顯示的是經過新的機器學習演算法處理后的數據。

“由於AIA以多種波長的光線觀察太陽，研究人員也可以使用該演算法來比較不同波長的特定結構，並加強其評估，”NASA說。 “開始時，他們將通過向演算法展示AIA所有波長的太陽耀斑來教它太陽耀斑的樣子，直到它識別所有不同類型光線中的太陽耀斑。 一旦程式能夠在沒有任何退化的情況下識別太陽耀斑，該演算法就可以確定有多少退化在影響AIA當前的圖像，以及每個圖像需要多少校準。 ”

將機器學習的預測結果與火箭發射的實際校準結果進行核對，結果發現人工智慧恰到好處。 現在，AIA團隊計劃使用訓練有素的演算法，在未來的火箭飛行之間更好地調整儀器的變化。