破裂地球的泡沫：人工智能有助于在太空中找到磁力爆发

MMS寻找爆炸性重新连接事件，因为它通过磁性驾驶飞行 - 地球磁性抵御整个太阳系流动的太阳风的边界区域。

在您的电子邮件中弹出警报：最新的航天器观察准备好了。您现在有24小时才能浏览84小时的数据，选择您可以找到最有前途的分秒钟。您选择的数据点根据您的排名方式，将以最高的分辨率从航天器下载;研究人员可能花几个月分析它们。其他一切都将被覆盖，就像它根本从未收集一样。

这些是面向循环中科学家的赌注，磁体多尺度或MMS，任务团队中最重要的角色之一。七十三名志愿者分享责任，工作一周工作，以确保最佳数据使其成为地面。它需要一个敏锐和细致的眼睛，这就是为什么它总是被训练的人 - 至少直到现在。

最近在天文学和空间科学的前沿发表的论文描述了第一种人工智能算法，为循环A（虚拟）手提供了借给科学家。

“MMS是第一个大型NASA使命实施机器学习的使命运营，”新罕布什尔大学的空间物理学家Matthew Argerp说，并撰稿的主要作者。

该算法执行单一任务：检测到航天器从地球磁场交叉到太阳，反之亦然。但它只是许多特殊用途算法中的第一个可以改变MMS Science如何完成的。

爆发地球的泡沫

一个看不见的力量领域围绕着我们的星球，一个巨大的泡沫膨胀超过40,000英里的空间。这是我们的磁场，它以几种方式为我们服务。它使事情保持出来，偏转有害的宇宙射线，否则会袭击地球表面，危及生命。但它还可以保持事情，为通过近地上空间嗡嗡的颗粒设定流量模式。电子，微小和光线，在地球的磁场线周围转动紧密的钉子;较重的离子沿着更较长的环，更宽的环。

但是与太阳相比，地球的磁场没有。颗粒吹走了太阳，被称为太阳风，携带我们的明星的磁场远远超过海王星的轨道。其内的颗粒挖出了太阳的磁场线，沿着地球的磁气泡碰撞。碰撞网站形成了科学家称之为磁性常规的无形边界。

动画显示空间中的四个彩信航天器。

By Andly，磁页持有强烈 - 但并非总是如此。当条件是正确的和磁场对齐时，太阳风可以穿刺我们的磁泡。突发的站点被称为电子扩散区域，或EDR，并找到它们是MMS任务的主要目标。

在EDR中，Sun和地球的磁场线保险丝，互相抵消，消失。电子，通电和未结合，ZIP和在混乱的Pandemonium中使用。

“这就像他们失去了他们的车道线条，而有人踩踏他们的加速器，”MMS高级项目科学家Barbara Giles说。

这些粒子爆发引发了引发北部和南方灯光的链式反应 - 甚至可以在他们的方式危及宇航员和航天器。EDRS在整个宇宙中爆发，从太阳耀斑的中间到黑洞的轮辋。MMS在地球磁场边缘靠近家庭搜索。

但是在该法中捕捉一个非常困难。EDRS出现毫无注意到，延伸到两英里（在140亿英里的搜索空间内），最后十分之秒。在持续的五年中，MMS已经达到了50多个。但每次它穿过磁性档次，我们的磁场遇到太阳的地方，它还有权看到一个。

狩猎磁页交叉口

因此，循环中的科学家通过每个轨道的数据筛选，狩猎磁性驾驶过境点。但他们并不一定在数据中脱颖而出 - 识别它们更像是在毛毛雨转向下雨时的精确定位。单个轨道的数据可能包含两个或多达100个磁页交叉口，误报看起来很少。为了找到它们，循环中的科学家只需进入时间。

“在最早的日子里，它基本上是一份全职工作，”科罗拉多州博尔德大气和空间物理实验室的空间物理学家说，在科罗拉多州博尔德的空间物理学家说。从那时起，Wilder帮助优化了循环工作流程的科学家，并将新员工培训到经验丰富的专家中。今天，循环中经验丰富的科学家每周只需要几个小时。但它仍然是在繁忙的时间表上志愿者的研究人员的压力。“疲劳总是在我们脑海中，”威尔德说。

他们一直计划在循环的角色中自动化科学家的部分，但找到一种匹配人类性能的算法是一个挑战。科学家可以看到更大的数据趋势，大多数算法努力做的事情。 “科学家所做的一部分是看待数据的时间的进展，”armall说。“例如，能够在一个点识别您在磁影像中，并使用它来影响[您认为]的数据变化。”

Argall和他的合作者建立了一种试图模拟人类读取数据的算法。它采用神经网络的形式，一种由大脑启发的数据处理技术。与传统算法不同，神经网络通过试验和错误进行本身。Argeral展示了磁页交叉口的网络示例，然后在新案例上进行了测试。如果它回答错误 - 选择了非交叉路口，或者错过了真正的交叉 - 他发送了一个错误信号，触发下一个测试前的级联调整。像循环的人类科学家一样，网络学会了识别磁性迁移的经验。

但大多数神经网络在孤立的快照中处理数据，而科学家认为测量及时展开。该团队近似于使用大门来存储网络刚刚看到的数据以及下一个数据来估计科学家的能力。由于网络决定它是否正在查看磁页次交叉，它可以访问周围的数据点以帮助。“该算法从过去和将来增加了输入数据，为目前正在制作的决定提供上下文，”armall说。

这是可能许多可能的第一个算法。该团队想象，构建几种专用探测器，在层次结构中共同努力。（专家的汇编，其他人发现了一个杰克的交易算法。）在最低级别，“区域分类器”将数据视为P出来的宇宙飞船在太空中的位置。他们将其输出传递给地区特定的“事件分类器”，该分类是研究人员想要找到的现象。随着未来几年的成功，MMS可以自动检测远远超过磁性常规交叉口。

“我们可以参加请求，在数据中达成某个签名，并实时将其置于”吉尔斯说。“这是一个感觉 - 一个社区资源的系统天文台。”

这仍然是一种脱离方式。新算法目前符合人类判断约70％的时间。（即使是科学家们也不同意100％的时间相同。）自2019年10月以来，循环中的每周的科学家都像助手一样对待，双重检查他们的工作并捕获任何错误。

“但是，我相信几年之内，通过这些技巧，他正在开发，他将在循环中制作科学家冗余，”吉尔斯说。“我们会知道那天是那天来的，因为他们所做的一切都进去，检查一个盒子，然后继续前进。”

通过他们方面的信赖算法助手，科学家可以专注于他们尚未知道如何标记的数据中的那些Wiggles。我们可能会瞥见未来，其中算法较少的工具，而不是合作者，与科学家一起在一起学习新数据。

参考：“MMS Sitl Ground Loop：自动化爆破数据选择过程“由Matthew R. Argall，Colin R.小，Samantha Piatt，Liam Breen，Marek Petrik，Kim Kokkonen，Julie Barnum，Kristopher Larsen，弗雷德里克D. Wilder，Mitsuo Oka，William R. Paterson，Roy B. Torbert，Robert E. Ergun，Tai Phan，Barbara L. Giles和James L. Burch，2020年9月1日，天文学和太空科学的边疆.DOI：
10.3389 / fspas.2020.00054