中國天文學家利用機器學習預測日冕全日面軟X射線輻射分佈
雲南天文台太陽物理研究團組洪俊超副研究員及其合作者季凱帆研究員、劉輝研究員等人,開展太陽觀測分析與人工智能學習的學科交叉研究。基於當前主流的日冕極紫外波段成像數據,首次利用機器學習方法預測日冕軟X射線波段輻射。
日冕作為太陽大氣的最外層,由十分稀薄的,溫度高達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-自由躍起損失動能並輻射光子(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。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。
近十年,全日面日冕的探測主要來源於極紫外波段的成像觀測,由美國太陽動力學天文台的太陽大氣成像儀每12秒在六個極紫外波段(171,193,211,335,131,94埃)同時進行全日面成像。而另外日本的日出號衛星軟X射線望遠鏡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。
本研究採用一種機器(深度)學習方法,統計分析配對的太陽動力學天文台與日出號衛星數據,建立了由太陽動力學天文台六波段觀測至日出號衛星軟X射線觀測的映射模型。研究表明該模型能構造出與真實觀測一致的軟X射線數據,從而能夠緩解當前關於日冕軟X射線觀測的缺失。
通過該方法預測日冕軟X射線觀測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、更快、更精確。反過來,研究進一步發現,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,尤其是針對具有較高溫度等離子體(五百萬度以上)的日冕特徵。未來,由機器學習虛擬的多波段觀測可能為某些具體的太陽物理分析(如日冕結構熱分佈)提供數據輔助。
【圖、文:節錄自中國科學院雲南天文台網頁;新聞資訊由林景明提供】研究全文刊登在2021年7月13日出版的《天體物理學報》