从线-of-sight 磁图学习估计 photosphere 矢量场

太阳photosphere的线-of-sight磁图估计比全矢量磁图更容易，因为线-of-sight分量(Blos)可从总强度和圆偏振信号获得，而垂直分量(Bperp)则依赖于难以测量的线性偏振。然而，线-of-sight分量本身并无物理意义，因为它仅是底层矢量场的一个分量，且其与重力的关系在像素间不断变化。为获得径向分量(Br)，常采用一种假设场为径向的“校正”方法，这几乎总是错误的。本文通过建立在SuperSynthIA方法基础上（该方法最初用于Stokes矢量作为输入进行同时反演和消歧），从Blos恢复完整矢量场信息。该方法的输入为一张或多张线-of-sight磁图及其相关元数据；输出为在日髓坐标系中估计的完整矢量场，即返回与物理意义相关的矢量分量，无需进一步的消歧步骤或分量变换。我们在HMI和GONG的不可见示例上 demonstrate 能够获得良好的完整矢量场估计，包括 those predate Solar Dynamics Observatory任务的示例。我们的结果表明，学习并不能取代专门的矢量场观测设施，但可以作为从历史数据中解锁信息的手段，至少能提供比简单视角假设更准确的Br图。