算力风暴席卷全球，如何在云上探索星辰大海

导语：在《流浪地球》中，莫斯作为领航者空间站的人工智能机器人，不仅参与各地行星发动机的建造、运行和维护，还负责管理空间站的事务，是& ampquot流浪地球& ampquot计划。在现实生活中，我们也在使用强大的算法和计算能力来预测太阳风暴。

1989年3月，美国和加拿大频频发生怪事。加拿大魁北克发生史无前例的大停电，整个魁北克陷入黑暗。大停电时，距离魁北克四五百公里的纽约州出现耀眼的粉红色极光。然而，这背后的罪魁祸首其实是一场巨大的太阳风暴！

后来，美国宇航局公布了一组超过250个关于太阳的异常数据。数据显示，在大停电之前，太阳经历了大规模的风暴。在此期间，太阳以热和光的形式发出耀斑。这些耀斑平均在8分钟内到达地球，它们携带了数量惊人的等离子体电荷到地球，引发了一场地磁暴。磁暴产生的巨大电流使输电线路严重超载，然后就发生了这次大停电。

为何预测太阳风暴的十分复杂？

预测太阳风暴并为这些极端事件开发早期响应系统是一项艰巨的任务。其中，考虑到太阳风暴的罕见性，可以用来训练算法的历史案例非常少。这使得常见的机器学习方法(如监督学习)不足以预测太阳风暴。此外，现有的卫星收集地球上不同位置的空间天气信息，产生了大量的数据。

美国宇航局正在与亚马逊云技术专业服务和亚马逊ML解决方案实验室合作，利用无监督学习和异常检测来探索太阳风暴等极端事件。借助亚马逊云技术的强大技术，一次可以筛选多达1000个数据集来分析超级风暴的预测，并可以训练计算机模型来识别即将到来的太阳风暴的信号。美国宇航局& amp#039;s方法将太阳风的驱动因素与地球周围的磁场水平联系起来，从而发现数据中的异常。

如何使用亚马逊云科技来监测？

NASA使用亚马逊SageMaker内置的随机切割森林(RCF)算法和各种地面和卫星仪器编译的太阳物理数据集来训练和检测异常模型，更容易观察到，因为在地图中查看时，这些异常数据很容易与典型数据区分开来；对于每个数据点，RCF与异常分数相关联，低分数表示数据点被认为是正常的，高分数表示数据中存在异常。

亚马逊ML Solutions Lab使用无服务器的流数据管道应用实现实时监控；该管道处理来自航天器的现场观测数据，以实时检测异常并发出警报。流媒体管道使用亚马逊Kinesis数据流来确定异常分数。

亚马逊Kinesis Firehose可以将实时数据传输到亚马逊S3，用于记录传输和模式转换到拼花地板。除了实时警报之外，模型结果还永久存储在亚马逊S3中，在那里可以使用Amazon SageMaker对其进行进一步分析，并使用Amazon QuickSight进行可视化，从而允许创建和发布包含ML Insights的交互式仪表盘。

我们始终知晓，地球不仅仅是人类的居所，更是与人类和谐共生的共同体，秉持着对家园的责任与担当，亚马逊云科技始终以自身的技术密切关注人类的生存环境与生物环境，愿以数字科技为人与地球带来更加积极的影响。