基于 SDO/HMI 磁图和混合神经网络的太阳闪热与质量喷射关联预测
人工智能
2026-04-16 v2 计算工程、金融与科学
计算与语言
多媒体
摘要
太阳喷发事件，包括闪热和质量喷射（CME），对地球具有显著影响。一些闪热与 CME 相关，而一些则不相关。闪热与 CME 之间的关联性并非总是显而易见。本研究提出一种新型深度学习方法，即混合神经网络（HNN），其结合了视觉转换器和长短期记忆网络，用于预测闪热与 CME 之间的关联性。HNN 在由太空动力学与磁力仪器 aboard Solar Dynamics Observatory 上的 ARs 的视线磁图时间序列中发现时空模式，并据此预测在未来 24 小时内会发生的闪热是喷发性的（即与 CME 相关）还是被约束的（即不与 CME 相关）。我们的实验结果表明 HNN 方法表现良好。此外，结果表明，极性反转线区域的磁通消除可能在触发与闪热相关的 CME 中发挥作用，这一发现与已有文献一致。
引用
@article{arxiv.2604.10015,
title = {FinTrace: Holistic Trajectory-Level Evaluation of LLM Tool Calling for Long-Horizon Financial Tasks},
author = {Yupeng Cao and Haohang Li and Weijin Liu and Wenbo Cao and Anke Xu and Lingfei Qian and Xueqing Peng and Minxue Tang and Zhiyuan Yao and Jimin Huang and K. P. Subbalakshmi and Zining Zhu and Jordan W. Suchow and Yangyang Yu},
journal= {arXiv preprint arXiv:2604.10015},
year = {2026}
}