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)