基于自编码器的日食活跃区域 13663 中异常 Stokes V 谱线检测
机器学习
2025-04-09 v1 天体物理仪器与方法
太阳与恒星天体物理
摘要
检测观测太阳光谱中的异常信号对于理解与重大太阳事件（如日食）相关的特征至关重要。然而，现有的光谱分析技术面临挑战，尤其是依赖于预定义的物理计算方法来处理大量噪声和复杂的观测数据。为此，我们应用深度学习来检测 Hinode/SP 仪器获取的 Stokes V 谱线中的异常值。具体而言，我们开发了一个用于光谱压缩的自编码器模型，作为异常检测方法。我们的模型有效识别了 2024 年 5 月 5 日在 NOAA AR 13663 区域发生 X1.3 级日食前捕获的异常谱线。这些异常谱点表现出高度复杂的轮廓，并在磁图图像中与极性反转线空间对齐，表明它们可能是磁能存储场及潜在的日食触发器。值得注意的是，检测到的异常值高度局部化，这使得它们在当前手动方法下难以在磁图图像中识别。
引用
@article{arxiv.2504.05962,
title = {Autoencoder-Based Detection of Anomalous Stokes V Spectra in the Flare-Producing Active Region 13663 Using Hinode/SP Observations},
author = {Jargalmaa Batmunkh and Yusuke Iida and Takayoshi Oba},
journal= {arXiv preprint arXiv:2504.05962},
year = {2025}
}