人工智能发现日冕洞以实现空间天气预报自动化洞。该应用为更可靠的空间天气预报铺平了道路，并为太阳活动周期的研究提供了宝贵的信息。论文发表在期刊《天文学与天体物理学》。正如我们在地球上的生命依赖于太阳光一样，我们的电子“生命”也依赖于离我们最近的恒星的活动及其与地球磁场的相互作用。在人眼看来，太阳几乎是恒定不变的，但太阳非常活跃，经常爆发并在地球上引起地磁风暴。出于这个原因，太阳的外层大气，即日冕，已经被卫星望远镜监测到。这些观察结果中的一个显着特征是被称为冕洞的延伸黑暗区域。它们看起来是黑色的，因为等离子体粒子可以从太阳表面沿着磁场逃逸到行星际空间，在日冕中留下一个“洞”。逃逸的粒子形成高速太阳风流，最终会撞击地球，引发地磁风暴。太阳上这些空洞的出现和位置随太阳活动而变化，也为我们提供了有关太阳长期演化的重要信息。格拉茨大学的研究科学家、该研究的主要作者罗伯特·亚罗林(RobertJarolim)表示：“检测日冕洞对传统算法来说是一项艰巨的任务，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洞。黑暗区域，例如细丝，很容易与冠状孔混淆。”在他们的论文中，作者描述了一种名为CHRONNOS（多光谱数据日冕孔识别神经网络）的卷积神经网络，他们开发了该网络来检测日冕孔。“人工智能使我们能够根据它们的强度、形状和磁性来识别冕洞，这与人类观察者考虑的标准相同，”Jarolim说。在不同波长下观察时，太阳大气看起来非常不同。格拉茨大学教授、该出版物的合著者AstridVeronig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，这使网络能够在多通道表征中学习寻找关系。”过去11年检测到的日冕洞的动画版本。已识别的冠状孔用红色轮廓表示。太阳在太阳活动周期中发生变化，并在2014年达到活动最大值。资料来源：来自Jarolim等人，2021年。作者使用2010-2017年时间范围内的大约1700张图像训练了他们的模型，并表明该方法适用于所有太阳活动水平。通过将结果与261个手动识别的冠状孔进行比较来评估神经网络，98%的时间与人类标签匹配。此外，作者研究了基于磁场图的冕洞探测，这似乎与EUV观测有很大不同。对于人类来说，仅凭这些图像无法识别日冕洞，但人工智能学会了以不同方式感知图像并能够识别日冕洞。
