在正在进行的宇宙捉迷藏游戏中，科学家们有了一个可能让他们占得上风的新工具。美国能源部 (DOE) 普林斯顿等离子体物理实验室 (PPPL) 的物理学家开发了一个结合机器学习的计算机程序，可以帮助识别外太空的等离子体团块(称为等离子体团)。一个新颖的转折是，该程序使用模拟数据进行训练。

该计划将仔细检查航天器在磁层(受地球磁场强烈影响的外层空间区域)收集的大量数据，并标记出这些难以捉摸的斑点的迹象。利用这项技术，科学家希望更多地了解控制磁重联的过程，磁重联发生在磁层和整个宇宙中，可能会损坏通信卫星和电网。

科学家认为，机器学习可以提高等离子体查找能力，有助于对磁重联的基本理解，并让研究人员更好地为重联引起的干扰的后果做好准备。

“据我们所知，这是第一次有人使用经过模拟数据训练的人工智能来寻找等离子体团，”普林斯顿等离子体物理项目的研究生肯德拉·伯格斯特德 (Kendra Bergstedt) 说，该项目位于普林斯顿大学物理实验室。伯格斯特德是发表在《地球与空间科学》上的论文的第一作者。这项工作结合了实验室在计算科学方面日益增长的专业知识与其探索磁重联的悠久历史。

寻找链接

科学家希望找到可靠、准确的等离子体探测方法，以便确定它们是否会影响磁重联。磁重联是磁场线分离、剧烈重新连接并释放大量能量的过程。当磁重联发生在地球附近时，可能会引发大量带电粒子落入大气层，干扰卫星、移动电话和电网。

普林斯顿大学天体物理学教授、PPPL 杰出研究员 Hantao Ji 表示：“一些研究人员认为，等离子体团有助于大型等离子体的快速重联。但这些假设尚未得到证实。”

研究人员想知道等离子体团是否能改变重联发生的速率。他们还想测量重联给等离子体粒子传递了多少能量。

“但要弄清等离子体团和重联之间的关系，我们必须知道等离子体团在哪里，”伯格斯特德说。“这就是机器学习可以帮助我们做的事情。”