格拉茨大學和Kanzelhöhe太陽觀測站(奧地利)的科學家及其Skolkovo科學技術學院(Skoltech)的同事們開發(fā)了一種基于深度學習的新方法，用于對地面全圖像進行圖像質量的穩(wěn)定分類和量化磁盤太陽能圖像。研究結果發(fā)表在《天文學與天體物理學》雜志上，可以免費獲取。

太陽是唯一可以識別表面細節(jié)并研究極端條件下等離子體的恒星。太陽表面和大氣層受到新興磁場的強烈影響。

太陽黑子，細絲，冠狀環(huán)和斑塊區(qū)域等特征是太陽上增強磁場分布的直接結果，這挑戰(zhàn)了我們目前對這些現(xiàn)象的理解。太陽耀斑和日冕物質拋射是由存儲在與黑子相關的強磁場中的自由磁能突然釋放引起的。

它們是我們太陽系中最活躍的事件，對被稱為“太空天氣”的太陽地球系統(tǒng)具有直接影響?，F(xiàn)代社會強烈依賴太空和地面技術，這些技術極易受到危險的太空天氣事件的影響。

連續(xù)監(jiān)視太陽對于更好地理解和預測太陽現(xiàn)象以及太陽噴發(fā)與地球磁層和大氣之間的相互作用至關重要。近幾十年來，太陽物理學已經(jīng)進入了大數(shù)據(jù)時代，地面和空間天文臺不斷產(chǎn)生的大量數(shù)據(jù)不能再由人類觀察家單獨分析。

地面望遠鏡位于全球各地，可獨立于晝夜計劃和當?shù)靥鞖馇闆r提供對太陽的連續(xù)監(jiān)視。地球的大氣層對太陽觀測有最強的限制，因為云會掩蓋太陽盤，而空氣的波動會導致圖像模糊。為了從多個同時觀察中選擇最佳圖像并檢測局部質量下降，需要客觀的圖像質量評估。

“作為人類，我們通過將真實圖像與理想的太陽參考圖像進行比較來評估其質量。例如，太陽盤前有云的圖像(與我們想象中的完美圖像有很大偏差)將被標記為質量很低的圖像，而質量上的微小波動并不是那么關鍵。傳統(tǒng)的質量指標很難提供獨立于太陽特征的質量得分，而且通常不會考慮云層。

在他們最近的研究中，研究人員使用人工智能(AI)進行了類似于人類解釋的質量評估。他們使用神經(jīng)網(wǎng)絡來學習高質量圖像的特征，并估計實際觀測值與理想?yún)⒖贾抵g的偏差。

本文介紹了一種基于對抗性生成網(wǎng)絡(GAN)的方法，該方法通常用于獲取合成圖像，例如生成逼真的人臉或將街道地圖轉化為衛(wèi)星圖像。這是通過逼近真實圖像的分布并從中選取樣本來實現(xiàn)的。生成的圖像的內容可以是隨機的，也可以由圖像的條件描述來定義。

科學家使用GAN從同一圖像的內容描述中生成高質量圖像：網(wǎng)絡首先提取高質量圖像的重要特征，例如太陽特征的位置和外觀，然后生成原始圖像。從這個壓縮的描述。

當此過程應用于較低質量的圖像時，網(wǎng)絡將重新編碼圖像內容，同時在重建的圖像中忽略低質量的特征。這是GAN只能生成高質量圖像的GAN近似圖像分布的結果。劣質圖像和神經(jīng)網(wǎng)絡的預期高質量參考之間的差異為圖像質量度量提供了基礎，并用于識別圖像中質量下降效果的位置。

“在我們的研究中，我們將該方法應用于了Kanzelhöhe太陽與環(huán)境研究天文臺的觀測結果，結果表明該方法在98.5%的病例中與人類的觀測結果一致。從應用到未過濾的全天觀測，我們發(fā)現(xiàn)神經(jīng)網(wǎng)絡可以正確識別所有強烈的質量下降，并允許我們選擇最佳圖像，從而獲得更可靠的觀測序列。這對于未來的網(wǎng)絡望遠鏡也很重要，因為未來的網(wǎng)絡望遠鏡需要對來自多個站點的觀測進行實時過濾和合并。”格拉茨大學的研究科學家，第一位作者羅伯特·賈里利姆說。

“在17個世紀，伽利略是第一個在太陽用他的望遠鏡來不敢看，而在21日世紀，數(shù)十空間和地面觀測站的連續(xù)跟蹤太陽，為我們提供了豐富的太陽能數(shù)據(jù)。

十年前，隨著太陽動力學天文臺(SDO)的發(fā)射，傳輸?shù)降厍虻奶枖?shù)據(jù)和圖像的數(shù)量猛增到每天1.5 TB，相當于每天下載50萬首歌曲。丹尼爾·K·伊努耶(Daniel K.Inouye)太陽望遠鏡是世界上最大的，孔徑為4米的地面太陽望遠鏡，于2019年12月拍攝了第一張?zhí)柕脑敿殘D像，預計每年將提供6 PB的數(shù)據(jù)。

就產(chǎn)生的全部信息而言，太陽能數(shù)據(jù)傳輸是我們時代最大的項目。隨著近期開創(chuàng)性的太陽能任務，派克太陽探測器和太陽軌道器的發(fā)射，我們將獲得越來越多的數(shù)據(jù)，這些數(shù)據(jù)將提供新的寶貴見解。我們的研究沒有人跡罕至的地方。每天都有如此多的新信息出現(xiàn)，我們僅需發(fā)明新穎有效的AI輔助數(shù)據(jù)處理方法即可應對人類面臨的最大挑戰(zhàn)。無論暴風雨有多猛烈，我們都希望每個人在太空中都保持良好的天氣，” Podladchikova說。

這種新方法是在Skoltech高性能集群的支持下為預期的太陽物理研究綜合網(wǎng)絡小組(SPRING)開發(fā)的，該小組將使用前沿的觀測太陽物理技術提供對太陽的自動監(jiān)視。SPRING是在SOLARNET項目中追求的，該項目致力于由歐盟研究與創(chuàng)新資助計劃Horizo??n 2020支持的歐洲太陽望遠鏡(EST)計劃。Skoltech在35個國際合作伙伴的SOLARNET聯(lián)盟中代表俄羅斯。

目前，作者正在進一步完善其圖像處理方法，以提供最高質量的連續(xù)數(shù)據(jù)流，并開發(fā)用于自動跟蹤太陽活動的自動檢測軟件。

　　免責聲明：本文由用戶上傳，與本網(wǎng)站立場無關。財經(jīng)信息僅供讀者參考，并不構成投資建議。投資者據(jù)此操作，風險自擔。 如有侵權請聯(lián)系刪除！