夏威夷大學的研究人員正在利用世界上最大的太陽望遠鏡和先進的人工智慧來改變我們對太陽的認識。該計畫旨在快速分析龐大的數據集，以便更好地預測太陽風暴等太陽現象，這將推動太陽研究的準確性和速度。

紫外線下太陽黑子上方的等離子環。 資料來源：DKIST/NSO

夏威夷大學天文研究所（IfA）的天文學家和電腦科學家正在進行突破性研究，這將徹底改變我們對太陽的認識。

作為”SPIn4D”計畫的一部分，該團隊正在將先進的太陽天文學與尖端的電腦科學結合起來，處理位於毛伊島哈雷阿卡拉山頂的世界上最大的地面太陽望遠鏡收集到的數據。

他們的研究成果最近發表在Astrophysical Journal上，其核心是開發能夠快速分析美國國家科學基金會（NSF）丹尼爾-K-井上太陽望遠鏡（Daniel K. Inouye Solar Telescope）產生的海量資料集的深度學習模型。 這些工作旨在最大限度地發揮望遠鏡的能力，為太陽數據分析的速度、準確性和深度取得重大進展鋪平道路。

用紫外線捕捉到等離子體噴射的太陽風暴。 資料來源：DKIST/NSO

“大型太陽風暴會產生令人驚嘆的極光，但也會為衛星、無線電通訊和電網帶來風險。更了解它們的發源地–太陽大氣–極其重要，”領導這項工作的太空科學院博士後研究員楊凱說。 “我們使用了最先進的模擬技術來模擬’井上’號將看到的景象。將這些數據與機器學習相結合，為近乎實時地探索三維太陽大氣層提供了寶貴的機會。”

由美國國家科學基金會（NSF）國家太陽天文台（NSO）運營的井上太陽望遠鏡是迄今為止世界上最強大的太陽望遠鏡，它矗立在毛伊島哈雷阿卡拉（Haleakalā）10000 英尺高的山頂上，哈雷阿卡拉的意思是”太陽之家”。 這款望遠鏡的儀器設計用於使用偏振光測量太陽的磁場，SPIn4D 專案就是專門為使用這些數據而設計的，只有太陽望遠鏡的儀器套件才能提供這些數據。

Daniel K. Inouye 太陽望遠鏡。 資料來源：DKIST/NSO

來自國家天文台和高空天文台（HAO）的科學家團隊利用深度神經網路從井上太陽望遠鏡的高解析度觀測資料中估算太陽光層的物理特性。 這種方法可望大幅加快太陽望遠鏡產生的海量資料的分析速度，每天的資料量可達數十兆兆位元組。

“機器學習非常擅長為昂貴的計算提供快速近似值。 在這種情況下，該模型將使天文學家能夠實時可視化太陽的大氣層，而不是等待數小時才能達到同樣的精度，”合著者、馬諾阿大學資訊與電腦科學系副教授彼得-薩多斯基（Peter Sadowski）說。

為了訓練人工智慧模型，團隊製作了大量模擬太陽觀測資料集。 他們在美國國家科學基金會的夏延超級電腦上使用了1000 多萬個CPU 小時，創建了120 TB 的數據，以極高的分辨率模擬了井上太陽望遠鏡的觀測結果。

該團隊已經公開了13 TB 的資料子集以及詳細的教學。 他們計劃將訓練有素的深度學習模型作為社區工具發布，用於分析井上太陽望遠鏡的觀測數據。

編譯自/ ScitechDaily