基于去噪扩散的太阳日冕演化生成模拟：概念验证
太阳与恒星天体物理
2024-10-29 v1 天体物理仪器与方法
人工智能
摘要
太阳磁化日冕是多种具有空间天气影响的显现（如耀斑、日冕物质抛射（CME）以及太阳风）的源头。因此，对日冕动力学和演化的建模对于提高我们预测空间天气的能力至关重要。本工作证明，生成式深度学习方法，如去噪扩散概率模型（DDPM），可以成功应用于模拟在极紫外（EUV）波段观测到的日冕的未来演化。我们的模型以活动区（AR）的12小时视频作为输入，模拟该活动区在未来12小时内的潜在演化，时间分辨率为2小时。我们提出了一种轻量级UNet骨干架构，通过在每次经典二维空间卷积后添加一维时间卷积，并在瓶颈部分加入时空注意力机制，使其适应我们的问题。该模型不仅产生视觉上逼真的输出，还捕捉了系统演化的固有随机性。值得注意的是，该模拟能够为关键预测指标（如活动区的EUV峰值通量和注量）生成可靠的置信区间，为概率性和可解释的空间天气预报铺平了道路。未来的研究将侧重于缩短预报时间跨度，提高空间和时间分辨率，旨在降低模拟的不确定性，并为空间天气预报提供实际应用。本研究所用代码可从以下链接获取：https://github.com/gfrancisco20/video_diffusion
引用
@article{arxiv.2410.20843,
title = {Generative Simulations of The Solar Corona Evolution With Denoising Diffusion : Proof of Concept},
author = {Grégoire Francisco and Francesco Pio Ramunno and Manolis K. Georgoulis and João Fernandes and Teresa Barata and Dario Del Moro},
journal= {arXiv preprint arXiv:2410.20843},
year = {2024}
}