西南研究所的一位科学家共同撰写的一项研究描述了一种新算法，该算法结合了两种航天器的功能，可以降低成本和提高效率。虚拟的“超级仪器”是一种计算机算法，利用深度学习来分析由美国国家航空航天局(NASA)的太阳动力学天文台拍摄的太阳的紫外线图像，并测量太阳作为紫外线发出的能量。
SwRI的高级研究科学家AndrésMuñoz-Jaramillo博士说：“深度学习是一种新兴功能，正在彻底改变我们与数据交互的方式。Muñoz-Jaramillo与人合着了该研究，并与其他9个机构的合作者于本月发表在《科学进展》上，作为NASA边境发展实验室的一部分。该实验室是一种应用人工智能研究加速器，可将深度学习和机器学习技术应用于太空科学和探索领域的挑战。
深度学习是一种机器学习方法，可模仿人脑处理信息的方式。深度学习的结果是机器完成了以前需要人类智能的工作，例如外语之间的翻译，驾驶车辆和面部识别。诸如Netflix®建议下一步要观看什么，iPhone®看到其所有者的脸部解锁以及Alexa®响应声音请求之类的东西都是深度学习的结果。
穆尼奥斯·贾拉米洛说：“地球以外的所有任务都有许多具有特定能力的仪器，可以回答特定的科学问题。”“当我们将它们组合成虚拟的超级仪器时，我们可以产生更具成本效益的，具有更高科学影响力的任务，或者使用一种仪器的测量结果来帮助回答另一种仪器的科学问题。”
Muñoz-Jaramillo在研究中强调，这些虚拟超级仪器不会使硬件过时。他们将始终需要航天器来收集虚拟化所需的数据。
他说：“深度学习工具不能一无所获，但可以显着增强现有技术的功能。”
他们的虚拟超级仪器已经作为前沿发展实验室项目的一部分，用于预测电离层干扰。Muñoz-Jaramillo目前正在研究结合其他功能的其他超级乐器。
他说：“实质上，深度学习涉及复杂的数据转换。”“我们可以将这些转换转变为对科学有用的数据，并使我们不仅查看太阳而且查看大量科学问题的方式现代化。”
