利用机器学习识别典型的 Mg II 耀斑光谱
太阳与恒星天体物理
2018-07-18 v1
摘要
IRIS 在包括色球层在内的广大大气高度范围内进行太阳观测，而大多数耀斑能量正是在色球层耗散。强 Mg II h&k 谱线能够提供优异的大气诊断信息，但尚未被充分用于耀斑大气。我们旨在通过分析了所有耀斑观测中是否存在某些共同出现的光谱，来探究色球层的物理在所有耀斑观测中是否一致。为此，我们自动分析了来自 33 个耀斑的数十万条 Mg II h&k 线轮廓，并使用一种称为有监督层次 k-means 的机器学习技术对所有轮廓形状进行聚类。我们识别出一种单峰 Mg II 轮廓，与宁静太阳的双峰轮廓不同，它出现在每一个耀斑中。此外，我们发现具有特征性蓝移中心反转的极宽轮廓出现在快速移动耀斑带的前缘。这些轮廓出现在耀斑的脉冲相，我们给出了它们与非热硬 X 射线特征的时间和空间相关性结果，表明耀斑加速电子在这些轮廓的形成中起着重要作用。Mg II h&k 线的积分比也可作为不透明度诊断，我们发现每个耀斑极大期的不透明度更高。我们的研究表明机器学习是大规模统计太阳分析的有力工具。
引用
@article{arxiv.1805.10494,
title = {Identifying typical Mg II flare spectra using machine learning},
author = {B. Panos and L. Kleint and C. Huwyler and S. Krucker and M. Melchior and D. Ullmann and S. Voloshynovskiy},
journal= {arXiv preprint arXiv:1805.10494},
year = {2018}
}