人工智能发现日冕洞以实现空间天气预测的自动化

 来自奥地利格拉茨大学、Skoltech公司的科学家和他们来自美国和德国的同事开发了一个新的神经网络，能够可靠地从天基观测中检测日冕孔。 这一应用为更可靠的空间天气预测铺平了道路，并为太阳活动周期的研究提供了宝贵的信息。这篇论文发表在《天文学与天体物理学》杂志上。

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。"

[[409179]]

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。