近期，中***科學(xué)院云南天文臺太陽(yáng)物理研究團組副研究員洪俊超及其合作者研究員季凱帆、劉輝等人開(kāi)展太陽(yáng)觀(guān)測分析與人工智能學(xué)習的學(xué)科交叉研究，基于當前主流的日冕極紫外波段成像數據，利用機器學(xué)習方法預測日冕軟X射線(xiàn)波段輻射。相關(guān)研究結果以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(yáng)大氣的***外層，由十分稀薄的、溫度高達百萬(wàn)度甚至千萬(wàn)度的等離子體組成。日冕中的自由電子被附近離子的電場(chǎng)散射，通過(guò)自由-自由躍起損失動(dòng)能并輻射光子(free-free emission)，這***物理過(guò)程是日冕極紫外波段和軟X射線(xiàn)波段輻射的主要來(lái)源，也因此可在極紫外波段和軟X射線(xiàn)波段對日冕等離子體結構進(jìn)行成像探測。
 
近年來(lái)，全日面日冕的探測主要來(lái)源于極紫外波段的成像觀(guān)測，由空間衛星SDO的太陽(yáng)大氣成像儀AIA每12秒在6個(gè)極紫外波段(171、193、211、335、131、94 埃)同時(shí)進(jìn)行全日面成像。而另外***臺衛星Hinode的軟X射線(xiàn)望遠鏡XRT每天只在幾個(gè)固定的時(shí)刻對日冕進(jìn)行少量的全日面軟X射線(xiàn)波段成像。
 
該研究采用***種機器(深度)學(xué)習方法——人工智能卷積神經(jīng)網(wǎng)絡(luò )，統計分析配對的AIA與XRT數據，建立了由AIA 6波段觀(guān)測至XRT軟X射線(xiàn)觀(guān)測的映射模型。研究表明，該模型能構造出與真實(shí)觀(guān)測***致的軟X射線(xiàn)數據，從而能夠緩解當前關(guān)于日冕軟X射線(xiàn)觀(guān)測的缺失。通過(guò)該方法預測日冕軟X射線(xiàn)觀(guān)測，比傳統方法利用極紫外日冕觀(guān)測反演日冕微分輻射測量(DEM)再預測軟X射線(xiàn)觀(guān)測更便捷、更快、更精確。研究進(jìn)***步發(fā)現，結合由該方法預測的軟X-射線(xiàn)虛擬數據和實(shí)際觀(guān)測的日冕極紫外數據，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(wàn)度以上)的日冕特征。未來(lái)，由機器學(xué)習虛擬的多波段觀(guān)測可能為某些具體的太陽(yáng)物理分析(如日冕結構熱分布)提供數據輔助。
 
該研究獲得了******自然科學(xué)基金重點(diǎn)項目和面上項目、中科院太陽(yáng)活動(dòng)重點(diǎn)實(shí)驗室，以及科技部重大項目的支持。

注：文章來(lái)源于云南天文臺