据国外媒体报道，亚马逊的云计算部门亚马逊云服务（AWS）预计利用人工智能来帮助NASA预测超级太阳风暴的到来。
当太阳的干扰表面被遗弃在几百万英里每辐射和带电粒子爆发的高炉每小时的速度，将出现太阳风暴。足够强的辐射爆炸将影响地球中大部分的无线电通信。此外，如果这样的爆发（称为日冕物质抛射，或CME）足够强大，可以直接扫在地上，它可能会导致卫星损坏和电网崩溃。
美国宇航局正在与亚马逊云服务和亚马逊机器学习解决方案实验室（Amazon Machine Learning SolutionsLab）合作，开展一个项目，使用人工智能了解更多关于太阳超级风暴的预警信号．
为了处理大量的数据，并提高未来的风险评估，NASA正在使用亚马逊网络服务分析工具来了一个筛选1000分数据集，和计算机模型可以被训练识别暗流涌动的迹象。
亚马逊博客发布的文章解释了NASA的方法，将太阳风驱动与地球周围的磁场水平联系起来，以识别数据中的异常。
NASA使用名为亚马逊SageMaker机器学习工具中内置的AWS随机切森林异常检测算法训练模型。该算法为每组数据点提供了一个“异常分数”。其他AWS工具来实时跟踪异常数据，并跟踪他们和太阳风暴之间的联系。
异常检测指的是通过数据挖掘手段识别数据中的“异常点”，由于深度神经网络分类器可以将分布外（奇数）输入以高置信度在分布内分类，因此区分异常值或显著不同的数据是很重要的。当我们使用这些预测为实际决策提供基础时，异常数据检测将特别重要。
异常检测还在数据中心有广泛的应用，比如可以从一台服务器上提取出一系列特征，如内存占用，CPU 使用率，网络吞吐量，磁盘访问频率等等。利用这些特征建立一个模型。当某个服务器偏离这个模型较远时，可能这台机器快要死机了，就可以进一步查看这台机器的情况以便做出相应的处理。
该计划使美国宇航局能够汇总来自50多个卫星任务的数据，并开发可视化以供进一步研究。科学家们已经能够创造必要太阳的现象仿真模拟卡林顿超级风暴事件。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
