人工智能发现日冕洞以实现空间天气预测的自动化

发表于 3年以前 | 总阅读数：705 次

就像我们在地球上的生命依赖于太阳的光一样，我们的电子 "生命"也依赖于我们最接近的恒星的活动以及它与地球磁场的相互作用。对于人眼来说，太阳看起来几乎是恒定的，但太阳非常活跃，经常出现爆发，并在地球上引起地磁暴。由于这个原因，太阳外层的大气层，即日冕，一直被基于卫星的望远镜所监测。

在这些观察中，其中一个突出的特征是被称为日冕洞的延伸黑暗区域。它们看起来很暗，因为等离子体粒子可以沿着磁场从太阳表面逃到行星际空间，在日冕中留下一个 "洞"。逃逸的粒子形成了高速的太阳风流，最终可以击中地球，引起地磁暴。这些洞在太阳上的出现和位置随太阳活动的变化而变化，也给我们提供了关于太阳长期演变的重要信息。

格拉茨大学的研究科学家、该研究的主要作者Robert Jarolim说："检测日冕洞对传统算法来说是一项困难的任务，对人类观察者来说也是一项挑战，因为太阳大气中还有其他黑暗区域，如丝状物，很容易与日冕洞混淆。"

在他们的论文中，作者描述了一个被称为CHRONNOS（多光谱数据上的日冕洞识别神经网络）的卷积神经网络，他们开发了这个网络来检测日冕洞。Jarolim说："人工智能使我们能够根据日冕洞的强度、形状和磁场特性来识别它们，这与人类观察者考虑的标准相同。"

在不同的波长下观察，太阳大气显得非常不同。格拉茨大学教授、该出版物的共同作者Astrid Veronig补充说："我们使用在不同极紫外（EUV）波长下记录的图像以及磁场图作为我们神经网络的输入，这使得网络能够在多通道表示中找到关系。"

近11年来检测到的冠状洞的动画版本。已确定的日冕洞由红色等高线表示。太阳在太阳周期中发生变化，并在2014年达到其最大活动。资料来源：来自Jarolim等人，2021年。

作者用2010-2017年时间范围内的大约1700张图像训练了他们的模型，并表明该方法对所有太阳活动水平都是一致的。通过将结果与261个人工识别的日冕洞进行比较，对神经网络进行了评估，在98%的情况下与人类标签相匹配。此外，作者还研究了基于磁场图的日冕洞检测，这看起来与EUV观测结果有很大的不同。对于人类来说，仅从这些图像中无法识别日冕孔，但人工智能学会了以不同方式感知图像，并能够识别日冕孔。