微軟研發太空天氣預報 AI:結合地質與物理,提早 30-60 分鐘預警全美電網地磁暴風險
AI for Space Weather: Forecasting Geomagnetic Risks on Power Grids 30–60 Minutes in Advance

微軟研究院開發的這套機器學習系統,利用 L1 拉格朗日點的太陽風資料,預估極光電急流(AE)與磁暴環流(Dst)指數。接著結合各變電所的緯度、地質導電度等空間特徵,透過梯度提升模型估算地磁場變化率(dB/dt)。該系統在評估期間成功偵測近 80% 的重大地磁事件,並能在 333 毫秒內完成全美 66,935 個變電所的推理,為電網營運商爭取 30 至 60 分鐘的關鍵應變時間。
核心重點
端到端預測管線
從 L1 拉格朗日點的太陽風資料,一路預測至地磁指標,最終計算出各變電所的地磁變化率(dB/dt)。
物理與地質導電性結合
考量岩石電阻率對地磁感應電流(GIC)的放大效應,結合局部地質與緯度特徵進行客製化評估。
提早 30-60 分鐘預警
對重大地磁暴事件的偵測率達 76.5%,讓營運商在特定風險發生前有足夠時間調整電網配置。
AI 代理協同開發
在研發過程中,由 50 個 AI 代理組成的系統協助探索特徵、驗證策略與調整模型組態。
技術圖解
為什麼重要
極端太空天氣引發的地磁感應電流(GIC)常會損害昂貴的電網設備並導致大範圍停電。過往預警多為全球性或大區域性,本研究首次實現「變電所級別」的細緻化預測,且推論極快。營運商可藉此精確鎖定高風險變電所,暫時重新配置網路或調整無效電力儲備,避免因大範圍防範而造成的非必要成本與供電損失。
對誰有影響
- AI 研究人員
- 企業決策者
- 產品經理
- AI 開發者
可以怎麼使用
- 1電網防禦營運:電網營運商在磁暴來襲前,調整變電所與網路拓撲以降低 GIC 衝擊。
- 2電力資產規畫:結合地質與歷史風險預估,強化高風險變電所的硬體抗災能力。
限制與注意事項
- 系統正式投入電網營運前,仍需與公用事業單位及實際運轉資料進行更深入的驗證。
- 目前預警窗口僅 30-60 分鐘,未來需導入時間 Transformer 模型以延長預測長度。
延伸閱讀

艾倫人工智慧研究所開源 AstaBrief:比 Claude 快 3.5 倍的 8B 科學報告生成模型
Ai2 Open-Sources AstaBrief: An 8B Scientific Report Generator 3.5x Faster than Claude
艾倫人工智慧研究所(Ai2)開源 AstaBrief 8B 模型,專為科學文獻合成設計,透過單次寫作技術,在維持高引用精準度的同時,將報告生成速度提升 3.5 倍。
GALA:用線性混合變形蒸餾技術實現 3D Gaussian 虛擬化身即時動畫
GALA: Distilling 3D Gaussian Avatars into Linear Blendshapes for Real-Time Animation
本研究提出 GALA 方法,將預訓練 3D Gaussian 虛擬化身複雜的神經解碼蒸餾為輕量化線性 blendshape,在維持渲染品質的同時,將 CPU 動畫運算成本降低高達三個數量級,並在行動裝置上實現 60fps 即時動畫。
ScholarCatalyst:評估 AI 是否擁有「科學家直覺」的學術文獻檢索基準
ScholarCatalyst: A Benchmark for Testing AI's Intuition in Retrieving Inspiring Research Papers
ScholarCatalyst 是一個新型評估基準,由 184 位電腦科學論文作者親自標記啟發其研究的先前文獻,測試 AI 能否在專案初期僅憑初步構想,精準檢索出關鍵的靈感來源。