【儀表網(wǎng) 儀表研發(fā)】導(dǎo)讀：近期，中國科學(xué)院云南天文臺太陽物理研究團(tuán)組副研究員洪俊超及其合作者研究員季凱帆、劉輝等人開展太陽觀測分析與人工智能學(xué)習(xí)的學(xué)科交叉研究，基于當(dāng)前主流的日冕極紫外波段成像數(shù)據(jù)，利用機(jī)器學(xué)習(xí)方法預(yù)測日冕軟X射線波段輻射。相關(guān)研究結(jié)果以Mapping Solar X-Ray Images from SDO/AIA EUV Images by Deep Learning為題，發(fā)表在《天體物理學(xué)雜志》上。
 

　　日冕作為太陽大氣的最外層，由十分稀薄的、溫度高達(dá)百萬度甚至千萬度的等離子體組成。日冕中的自由電子被附近離子的電場散射，通過自由-自由躍起損失動能并輻射光子(free-free emission)，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，也因此可在極紫外波段和軟X射線波段對日冕等離子體結(jié)構(gòu)進(jìn)行成像探測。
 

　　近年來，全日面日冕的探測主要來源于極紫外波段的成像觀測，由空間衛(wèi)星SDO的太陽大氣成像儀AIA每12秒在6個極紫外波段(171、193、211、335、131、94 埃)同時進(jìn)行全日面成像。而另外一臺衛(wèi)星Hinode的軟X射線望遠(yuǎn)鏡XRT每天只在幾個固定的時刻對日冕進(jìn)行少量的全日面軟X射線波段成像。
 

　　該研究采用一種機(jī)器(深度)學(xué)習(xí)方法——人工智能卷積神經(jīng)網(wǎng)絡(luò)，統(tǒng)計分析配對的AIA與XRT數(shù)據(jù)，建立了由AIA 6波段觀測至XRT軟X射線觀測的映射模型。研究表明，該模型能構(gòu)造出與真實觀測一致的軟X射線數(shù)據(jù)，從而能夠緩解當(dāng)前關(guān)于日冕軟X射線觀測的缺失。通過該方法預(yù)測日冕軟X射線觀測，比傳統(tǒng)方法利用極紫外日冕觀測反演日冕微分輻射測量(DEM)再預(yù)測軟X射線觀測更便捷、更快、更精確。研究進(jìn)一步發(fā)現(xiàn)，結(jié)合由該方法預(yù)測的軟X-射線虛擬數(shù)據(jù)和實際觀測的日冕極紫外數(shù)據(jù)，可對日冕DEM作更為精確的反演，尤其是針對具有較高溫度等離子體(五百萬度以上)的日冕特征。未來，由機(jī)器學(xué)習(xí)虛擬的多波段觀測可能為某些具體的太陽物理分析(如日冕結(jié)構(gòu)熱分布)提供數(shù)據(jù)輔助。
 

　　該研究獲得了國家自然科學(xué)基金重點項目和面上項目、中科院太陽活動重點實驗室，以及科技部重大項目的支持。