利用物理约束神经网络探讨太阳极地磁场非线性抑制效应

太阳涡旋依靠通过非线性反馈机制（如偏斜抑制TQ和纬度抑制LQ）对二极性磁场的再生起主导作用。这些机制在调节太阳极地磁场的积累以及由此决定的未来太阳周期幅度方面发挥决定性作用。本文采用物理约束神经网络（PINN）求解表面磁通传输方程，将物理约束直接嵌入神经网络框架。通过系统性变更传输参数，我们孤立TQ和LQ对极地偶极子积累的相对贡献。我们以残差偶极矩作为周期间放大性诊断工具，表明随着扩散率的增加，TQ抑制效应会加剧，而在受输运主导的条件下，LQ发挥主导作用。指标 $\Delta D_{\mathrm{LQ}}/\Delta D_{\mathrm{TQ}}$ 相对于涡旋有效范围呈现平滑的反平方依赖关系，使先前的经验拟合在准确性和散布性方面均得到改善。结果进一步表明，由于训练过程的原因，衰减项对PINN模型构建并非必需。与传统一维SFT模型相比，PINN框架在误差指标和对非线性趋势的恢复方面均表现出显著优势。我们的结果表明，LQ与TQ之间的非线性相互作用可自然产生弱周期与强周期之间的交替，从而为观察到的奇偶周期调制提供了物理解释。这些发现表明，PINN作为一种准确、高效且物理一致的太阳活动预测工具具有巨大的潜力。