機器學習可預測日冕全日面軟X射線輻射分佈

最新發現與創新

科技日報昆明7月21日電 （記者趙漢斌 通訊員陳豔）記者21日從中國科學院雲南天文台獲悉，該台研究人員首次利用機器學習方法預測日冕軟X射線波段輻射。研究結果發表在權威國際天文學雜誌《天體物理學雜誌》上。

日冕作為太陽大氣的最外層，由十分稀薄的、温度高達百萬攝氏度甚至千萬攝氏度的等離子體組成。日冕中的自由電子被附近離子的電場散射，通過自由—自由躍起損失動能並輻射光子。這一物理過程是日冕極紫外波段和軟X射線波段輻射的主要來源。人們因此可在極紫外波段和軟X射線波段對日冕等離子體結構進行成像探測。

近10年，全日面日冕的探測主要來源於極紫外波段的成像觀測，由空間衞星SDO的太陽大氣成像儀AIA每12秒在6個極紫外波段同時進行全日面成像。而另外一台衞星Hinode的軟X射線望遠鏡XRT每天只在幾個固定的時刻對日冕進行少量的全日面軟X射線波段成像。

近期，雲南天文台研究人員開展了太陽觀測分析與人工智能學習的學科交叉研究。他們採用一種機器深度學習方法——人工智能卷積神經網絡，統計分析配對數據，建立了觀測的映射模型。

研究表明，這個模型能構造出與真實觀測一致的軟X射線數據，該方法比傳統方法利用極紫外日冕觀測反演日冕微分輻射測量再預測軟X射線觀測更便捷、更精確。結合由該方法預測的軟X-射線虛擬數據和實際觀測的日冕極紫外數據，可以對日冕微分輻射測量作更為精確的反演，尤其是針對500萬攝氏度以上高温等離子體的日冕特徵。未來，由機器學習虛擬的多波段觀測可能為日冕結構熱分佈等具體的太陽物理分析提供數據輔助。