夏威夷大学夏威夷天文研究所（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，它将尖端的太阳天文学与先进的计算机科学相结合，分析来自毛伊岛哈雷阿卡拉岛上世界上最大的地面太阳望远镜的数据。
该团队最近发表在《天体物理学杂志》上的研究重点是他们开发的深度学习模型，该模型可以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。目标是释放望远镜观测的全部潜力，这可能会在太阳数据分析的速度、准确性和范围上取得突破。
相关新闻报道：世界上最大的太阳望远镜发布了从未见过的太阳图像
丹尼尔·k·井上太阳望远镜
ā。（图片来源：DKIST/NSO/AURA/NS）
“大型太阳风暴是造成惊人极光的原因，但也可能对卫星、无线电通信和电网构成威胁。更好地了解它们的诞生地——太阳大气层，是极其重要的，”领导这项工作的IfA博士后研究员杨凯说。“我们使用了最先进的模拟技术来模拟Inouye将看到的东西。将这些数据与机器学习相结合，为近乎实时地探索三维太阳大气提供了宝贵的机会。”
由美国国家科学基金会（NSF）国家太阳天文台（NSO）运营的井上太阳望远镜是迄今为止世界上最强大的太阳望远镜，它坐落在毛伊岛一万英尺高的哈雷阿卡拉山顶上，哈雷阿卡拉意为“太阳的房子”。望远镜的仪器被设计用来使用偏振光测量太阳的磁场，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。
紫外线捕捉到的太阳风暴等离子体喷射。（图片来源：DKIST/NSO/AURA/NS）
来自NSO和高海拔天文台（HAO）的科学家团队利用深度神经网络从井上太阳望远镜的高分辨率观测中估计太阳光球的物理特性。这种方法有望显著加快对太阳望远镜产生的海量数据的分析，这些数据每天可以达到数十太字节。
“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，这个模型将使天文学家能够实时地看到太阳的大气层，而不是等待几个小时才能达到同样的精度，”合著者彼得·萨多夫斯基说，他是UH Mānoa信息和计算机科学系的副教授。
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。他们在美国国家科学基金会的夏延超级计算机上使用了超过1000万个CPU小时，以极高的分辨率模拟了Inouye太阳望远镜的观测结果，创造了120tb的数据。
该团队已经公开了13tb的数据子集，并提供了详细的教程。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。
这项研究得到了美国国家科学基金会天文学和天体物理学资助项目66.9万美元的资助。科学家团队由杨、孙旭东、Ian Cunningham、刘嘉一、Curt Dodds （UH IfA）、Sadowski、Yannik Glaser （UH Mānoa ICS）、Sarah Jaeggli、Tom Schad、Lucas Tarr （NSO）和Matthias Rempel （HAO）组成。
人工智能和天文学：UH研究人员帮助解码太阳的秘密首次出现在夏威夷大学系统新闻上。
