如果我们想预测从太阳朝向地球喷发的高能粒子，以及它们引发的剧烈地磁风暴，追踪太阳高层大气的“日冕洞”是最好的方法。最近有研究团队测试以电脑视觉──机器学习方法训练电脑辨识这些模式。
太阳的大气日冕并非均匀分布，不同位置及时间推移，日冕密度和外观都会发生变化，某些区域看起来更亮，其他区域则形成昏暗的日冕洞。
日冕洞代表此处电浆密度较低，这里的磁场向外太空开放射出，而不是封闭向下回到太阳内部。这些区域的开放磁场为太阳风（高能粒子）提供脱离太阳的出口。
▲ 日冕洞（B）附近的磁场为开放向外。（Source：Sebman81, CC BY-SA 3.0, via Wikimedia Commons）
因此日冕洞的形成和演化、位置和大小，对预测太阳风和预测太空天气非常重要。此外，追踪太阳周期日冕洞可观察磁场如何影响太阳活动，甚至可帮助我们预测即将发生的太阳活动。
最近的研究中，俄罗斯莫斯科州立大学 Egor Illarionov 等尝试使用类神经网络处理大量太阳影像。Illarionov 团队使用处理过的太阳全球平面图当训练集，放入设计后的卷积神经网络（非常擅长分析影像的深度学习算法）学习辨识日冕洞。卷积神经网络的优势在于，不需要人类先描述目标（日冕洞）特征，能自行学习，只要有足够训练时间，便能辨识其他照片的日冕洞。
研究团队使用这种方法构建一份 2010~2020 年的日冕洞目录，他们也将算法的程式码和产生的日冕洞目录开源。如果训练样本够多，未来这方法对太空天气甚至太阳活动的预测将更准确。
- Machine-learning Approach to Identification of Coronal Holes in Solar Disk Images and Synoptic Maps
- Can Computers Identify Holes in the Sun?
（本文由 台北天文馆 授权转载；首图来源：NASA）
