像這樣的耀斑可能會對重要的技術系統構成威脅，但現在至少操作員會收到半小時的警告。
圖片來源 NASA/SDO
預測太陽爆發何時影響地球的努力非常不精確，但美國太空總署預計它們會變得更好一些。一個該系統現在正在處理來自衛星的數據，以警告太陽風暴的強度足以損壞重要的基礎設施。
如果您曾經想過，如果全球災難發生前一天您會做什麼，您可能會想縮短時間，以便做好準備。並不是說美國宇航局希望現在能夠在 30 分鐘警告的情況下預測太陽風暴將摧毀地球或發生任何戲劇性的事情，但它們確實涉及可能使文明陷入困境的事件的（小）風險。
科學家仍然沒有能力預測大型太陽風暴何時發生，這也許並不奇怪。事實上，即使我們有能力預測太陽週期中的平均活動水平。然而，我們可能會預期，一旦風暴發生，就很容易判斷它們是否以及何時會撞擊地球磁場，觸發地磁感應電流（GIC）。 GIC 會對任何長、薄和金屬物體造成嚴重破壞，包括電氣技術、石油管道和鐵路。
這種能力使我們有足夠的機會在 2-3 天內準備好帶電粒子（日冕物質拋射）跨越地球與太陽的距離並影響我們的世界。然而，相反，即使在我們目睹了巨大的耀斑之後，預測仍然非常偶然。這例如，3 月 23 日那天晚上讓我們大吃一驚——原本以為那天晚上會是一場大型活動的溫和前奏。
錯過極光奇觀可能會令人悲傷，但與沒有準備好應對可能導致網路崩潰的事件的後果相比，這只是微不足道的。，至少暫時如此。
為了尋求此類事件的警告，美國太空總署、美國地質調查局和美國能源部共同開發了一個深度學習程序來識別太陽風活動的模式。深度學習地磁擾動電腦模型（現在名為 DAGGER）就是其成果。最近的一篇論文描述了 DAGGER 的功能。
然而，它取決於靠近地球的太陽風活動，而不是在它第一次離開太陽時，只提供三十分鐘的警告，每分鐘更新一次。
印度大學間研究中心的維沙爾·烏彭德蘭(Vishal Upendran) 表示：「有了這種人工智能，現在可以在發生太陽風暴時做出快速、準確的全球預測並為決策提供信息，從而最大限度地減少甚至防止對現代社會的破壞。陳述。
作者透過向 DAGGER 提供 2011 年 8 月之前的數據和地磁風暴。在這兩種情況下，DAGGER 不僅預測了影響，還預測了影響的大小和地球上的位置。
如果你不記得這些事件，那是因為它們都沒有那麼災難性。然而，我們沒有 1989 年（更不用說 1859 年）的詳細太陽風暴數據來測試 DAGGER 在面對真正嚴重的太陽爆發時的表現如何。
然而，深度學習的優點在於，它處理的數據越多，它的預測就越好。我們在大風暴之前經歷的每一次無威脅的風暴都會提高 DAGGER 在重要時刻的執行能力。
結合增加的太陽風觀測能力，DAGGER 可能是更長警告期的墊腳石。也許到那時，除了讓系統操作員有機會將他們的費用置於安全模式外，我們其他人也可以實現我們的末日派對計劃。
DAGGER 性能研究在期刊上以開放取用方式發表太空天氣。
