太陽耀斑預報取得新進展：構建更細粒度的預報太陽模型

廣州大學國家天文科學數據中心大灣區分中心教授王鋒、中國科學院云南天文臺研究員鄧林華和昆明理工大學教授馮松等人近期合作，開展了太陽耀斑預報與人工智能學習的交叉研究，利用深度學習方法，構建了更細粒度的預報太陽模型，這意味著在太陽耀斑預報方向上取得新的進展。日前，國際期刊《天體物理學雜志》發表了這一研究成果。

太陽表面大氣存在著各種尺度的活動現象，這些活動現象主要是由磁場支配的。磁場結構越復雜，越容易儲存更多的能量。當儲存在磁結構中的磁能過多，且磁場位形越復雜時，將會通過太陽爆發的形式釋放出能量，太陽耀斑即是太陽爆發活動的一種表現形式。太陽耀斑是發生在局部區域的一種劇烈的爆發活動現象，可以在短時間內釋放出大量的能量，引起局部區域的瞬時加熱，向外發射各種電磁輻射，并伴隨粒子輻射突然增強。

日球層磁場觀測儀是太陽動力學天文臺搭載的一個濾光型觀測儀器，利用鐵吸收線測量太陽光球表面的多普勒移動、連續譜強度、視向磁場和活動區矢量磁場，用于研究太陽磁活動過程與內部動力學過程之間的相互關系。日球層磁場觀測儀磁圖是目前全日面磁場測量中時空分辨率最好和精度最高的磁場數據。

合作研究團隊采用生成對抗網絡，彌補了樣本數量不足的耀斑類別，然后利用混合卷積神經網絡，建立了耀斑預報模型。與傳統方法相比較，此模型能自動提取信息特征，損失更少的信息，模型的訓練也變得更高效更精確，真實技能統計得分平均值也有大幅提高。

太陽耀斑釋放出它以前儲存在磁場中的能量，是一個太陽活動區的磁能迅速轉化為等離子體流、粒子、輻射和熱的動能的過程。由于一個太陽周期中上升期的持續時間比下降期短，耀斑能量在這兩個階段的儲存和耗散的物理過程可能表現出不同的時空演化行為，因此對第24太陽活動周的上升期和下降期分別建立耀斑預報模型有重要價值。(科技日報記者 趙漢斌)