人工智能和天文学：神经网络模拟太阳观测
作者：by University of Hawaii at Manoa
夏威夷大学天文学研究所 (IfA) 的天文学家和计算机科学家的研究可能会彻底改变我们对太阳的理解。这项研究是“SPIn4D”项目的一部分，将尖端太阳天文学与先进计算机科学相结合，分析毛伊岛哈雷阿卡尔顶部世界上最大的地面太阳望远镜的数据。
团队近期研究发表在天体物理学杂志专注于深度学习模型的开发，该模型可快速分析来自美国国家科学基金会 (NSF) Daniel K. Inouye 太阳望远镜的大量数据。目标是充分发挥望远镜观测的潜力，从而可能在太阳数据分析的速度、准确性和范围方面取得突破。
“大型太阳风暴造成了令人惊叹的极光，但也可能对卫星、无线电通信和电网构成风险。更好地了解它们的诞生地——太阳大气层，是极其重要的，”IfA 博士后研究员 Kai Yang 说。领导了工作。“我们使用最先进的模拟来模仿 Inouye 将看到的情况。将这些数据与机器学习提供了探索近处三维太阳大气层的宝贵机会即时的”。
井上太阳望远镜由 NSF 国家太阳天文台 (NSO) 运营，是迄今为止世界上最强大的太阳望远镜太阳望远镜，矗立在毛伊岛 Haleakalä 海拔 10,000 英尺的山顶上，Haleakalä 意为“太阳之屋”。望远镜的仪器旨在测量太阳磁场使用偏振光，而 SPIn4D 项目是专门为使用这些数据而设计的，这些数据只能从太阳望远镜的仪器套件中获得。
创新太阳能研究
NSO 和高空天文台 (HAO) 的科学家团队利用深度神经网络根据井上太阳望远镜的高分辨率观测来估计太阳光球层的物理特性。这种方法有望显着加快对太阳望远镜产生的海量数据的分析速度，这些数据量每天可达数十 TB。
“机器学习非常擅长为昂贵的计算提供快速近似。在这种情况下，该模型将使天文学家能够实时可视化太阳的大气层，而不是等待数小时才能达到相同的精度，”合著者 Peter Sadowski 说。夏威夷大学马诺阿分校信息与计算机科学系副教授。
模拟太阳
为了训练他们的人工智能模型，该团队制作了一个广泛的模拟太阳观测数据集。他们在 NSF 的 Cheyenne 超级计算机上使用了超过 1000 万个 CPU 小时，以极高的分辨率创建了 120 TB 的数据，模仿井上太阳望远镜的观测结果。
该团队已经公开了 13 TB 的数据子集以及详细的教程。他们计划发布经过充分训练的深度学习模型，作为分析井上太阳望远镜观测结果的社区工具。
更多信息：Kai E.、Yang 等人，利用深度学习进行四维光谱偏振反演 (SPIn4D)。I. 概述、磁流体动力学建模和斯托克斯剖面综合，天体物理学杂志（2024）。DOI：10.3847/1538-4357/ad865b
引文:人工智能和天文学：神经网络模拟太阳观测（2024 年，11 月 25 日）检索日期：2024 年 11 月 26 日来自 https://phys.org/news/2024-11-ai-astronomy-neural-networks-simulate.html
本文档受版权保护。除了出于私人学习或研究目的的任何公平交易外，不得未经书面许可，不得复制部分内容。所提供的内容仅供参考。
关于《人工智能和天文学：神经网络模拟太阳观测》的评论
暂无评论