人工智能和天文学：神经网络模拟太阳观测 _人工智能

在紫外线下观察到的太阳黑子上方的等离子体环。来源：DKIST/NSO/AURA/NS
据夏威夷大学马诺阿分校：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。该研究是“SPIn4D”项目的一部分，将尖端的太阳天文学与先进的计算机科学相结合，分析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》上的研究侧重于他们开发的深度学习模型，该模型可以快速分析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、准确性和范围方面取得突破。
领导这项工作的IfA博士后研究员Kai Yang说：“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风险。更好地了解它们的出生地——太阳大气，是极其重要的。”“我们使用最先进的模拟来模拟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。”
Inouye太阳望远镜由美国国家科学基金会国家太阳天文台（NSO）运营，是迄今为止世界上最强大的太阳望远镜，位于毛伊岛哈雷阿卡拉（Haleakal?。?0000英尺的山顶上，哈雷阿卡拉意为“太阳之屋” 。该望远镜的仪器旨在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。
创新太阳能研究
来自国家统计局和高空天文台（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量的分析，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值。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同样的精度，”合著者、夏威夷大学信息与计算机科学系副教授Peter Sadowski说。
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。他们在美国国家科学基金会的夏延超级计算机上使用了1000多万个CPU小时，以极高的分辨率创建了120TB的数据，模拟了井上太阳望远镜的观测结果。
该团队已经公开了13TB的数据子集，并提供了详细的教程。他们计划发布经过全面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。