基于残差网络的滤光式磁像仪非线性太阳磁场定标方法

滤光式磁像仪的太阳磁场定标方法通常为弱场近似下的线性定标方法，由于磁饱和效应，其不能很好地生成强磁场区域。我们尝试提供一种新方法，借助神经网络进行非线性磁定标，以获得更精确的磁场。我们使用来自 Hinode/SP 的数据构建训练、验证和测试数据集。从 SP 观测的所有 112 个波长点中选取一个波长点的窄带 Stokes I、Q、U 和 V 图，以模拟滤光式磁像仪的单波长观测。我们使用残差网络（residual network）对 Stokes 图与矢量磁场之间的非线性关系建模。经过广泛的性能分析，发现训练后的模型可从窄带 Stokes 图中推断纵向磁通密度、横向磁通密度和方位角，精度可与使用 112 个波长点的反演结果相媲美。此外，所生成的图比反演结果干净得多。该方法能有效克服磁饱和效应，并比线性定标方法更好地推断强磁区域。测试样本相对于标准数据的残差对纵向和横向磁通密度均主要约为 50 G。使用我们之前的多层感知机方法其值约为 100 G，表明新方法的磁定标更精确。