基于深度学习的 CHASE H$\alpha$ 光谱线在太阳闪现中的逆转
太阳与恒星天体物理
2026-05-27 v1 天体物理仪器与方法
摘要
太阳闪现是太阳活动中最剧烈的形式之一。理解闪现期间大气物理参数的演化,对于研究闪现机制和提高预测能力至关重要。然而,直接测量如电子数密度、温度和等离子体速度等量值仍然困难。本文引入一种新型全连接神经网络,该网络基于辐射流体力学代码(RADYN)仿真的合成数据进行训练,用于快速逆转 H 光谱轮廓中的物理参数。所获取的光谱数据经过处理,以匹配 CHASE 卫星的观测分辨率,从而实现对实际观测数据的无缝应用。结果表明,该方法与 RADYN 仿真结果高度一致,在各种闪现条件下均实现低误差。此外,我们将所developed模型用于分析2024年10月1日发生的 X7.1 级太阳闪现的 CHASE 观测数据。结果揭示了在不同闪现阶段,关键参数在空间和时间上的合理演化。本 work 表明,深度学习技术可用于快速可靠的光谱逆转,为基于 H 数据的太阳闪现诊断提供了新工具。
引用
@article{arxiv.2605.26511,
title = {Inversion of CHASE H$\alpha$ Spectral Line during Solar Flares Based on RADYN Dataset via Deep Learning},
author = {W. Xu and Q. Hao and Z. Zheng and J. Hong and J. Hu and Y. Qiu and C. Li and M. D. Ding and C. Fang},
journal= {arXiv preprint arXiv:2605.26511},
year = {2026}
}
备注
10 pages, 12 figures, Accepted for publication in ATI