利用神经场探索光谱极化反演——日球染色层磁场的弱场近似

如今，制造全-Stokes极化数据集已成为常规做法，这些数据来自狭缝光谱仪或窄带滤光片。随着二维光谱极化仪器和允许长时间序列高质量观测的观测技术的出现，数据速率正在不断提高。显然需要超越传统的像素逐像素策略进行光谱极化反演，通过利用推断物理量的时间空间一致性来实现这一点。我们探索了使用神经网络作为物理量在时间和空间（也称为神经场）上的连续表示的潜力，用于光谱极化反演。我们实现并测试了一个神经场，用于在弱场近似（WFA）下进行磁场向量的推断。通过使用神经场来描述磁场向量，我们可以在空间和时间域对解进行正则化，假设物理量是坐标的连续函数。我们在合成数据和实际观测中（Ca II 8542 Å 线）进行了研究。我们还探索了其他显式正则化措施的影响，例如使用外推磁场信息，或染色层纤维的取向。与传统的像素逐像素反演相比，神经场方法在重建磁场向量时提高了保真度，特别是对于横向分量。这种隐式正则化是提高观测有效信噪比的一种方式。虽然该方法比像素级WFA估计慢，但该方法在深度分层反演中显示出潜力，通过减少自由参数的数量并在解中引进时空约束。