浙江
夏威夷大学的研究人员正在利用世界上最大的太阳望远镜和先进的人工智能来改变我们对太阳的认识。项目旨在快速分析庞大的数据集，以便更好地预测太阳风暴等太阳现象，这将推动太阳研究的准确性和速度。
紫外线下太阳黑子上方的等离子环。 资料来源：DKIST/NSO
夏威夷大学天文研究所（IfA）的天文学家和计算机科学家正在进行突破性研究，这将彻底改变我们对太阳的认识。
作为"SPIn4D"项目的一部分，该团队正在将先进的太阳天文学与尖端的计算机科学结合起来，处理位于毛伊岛哈雷阿卡拉山顶的世界上最大的地面太阳望远镜收集到的数据。
他们的研究成果最近发表在Astrophysical Journal上，其核心是开发能够快速分析美国国家科学基金会（NSF）丹尼尔-K-井上太阳望远镜（Daniel K. Inouye Solar Telescope）生成的海量数据集的深度学习模型。 这些工作旨在最大限度地发挥望远镜的能力，为太阳数据分析的速度、准确性和深度取得重大进展铺平道路。
用紫外线捕捉到等离子体喷射的太阳风暴。 资料来源：DKIST/NSO
"大型太阳风暴会产生令人惊叹的极光，但也会给卫星、无线电通信和电网带来风险。 更好地了解它们的发源地--太阳大气--极其重要，"领导这项工作的宇航科学院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'井上'号将看到的景象。 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层提供了宝贵的机会。"
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，它矗立在毛伊岛哈雷阿卡拉（Haleakalā）10000 英尺高的山顶上，哈雷阿卡拉的意思是"太阳之家"。 该望远镜的仪器设计用于使用偏振光测量太阳的磁场，SPIn4D 项目就是专门为使用这些数据而设计的，只有太阳望远镜的仪器套件才能提供这些数据。
Daniel K. Inouye 太阳望远镜。 资料来源：DKIST/NSO
来自国家天文台和高空天文台（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数据中估算太阳光层的物理特性。 这种方法有望大大加快太阳望远镜产生的海量数据的分析速度，每天的数据量可达数十兆兆字节。
"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、马诺阿大学信息与计算机科学系副教授彼得-萨多斯基（Peter Sadowski）说。
为了训练人工智能模型，该团队制作了大量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，创建了 120 TB 的数据，以极高的分辨率模拟了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。 他们计划将训练有素的深度学习模型作为社区工具发布，用于分析井上太阳望远镜的观测数据。
编译自/ScitechDaily
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
