利用人工神经网络绘制太阳上层光球层图谱
太阳与恒星天体物理
2021-08-18 v1 天体物理仪器与方法
摘要
我们开发了一种面向高分辨率太阳光谱偏振计（如 Hinode/SP 或 DKIST/ViSP）的反演流程。该流程基于以随机大气分层生成的剖面训练的人工神经网络，具备高度泛化能力。应用于 Hinode 数据时，我们发现一个随高度改变形态的热细尺度网络结构。在中间层，该网络类似于 G 波段滤光片图像中所观测到的结构但并不完全相同。令人惊讶的是，中层与上层光球中的增温呈现反转图样。中层光球中的热像素（可能关联小尺度磁元）在 log(tau_500)=-3 与 -4 层级表现为冷，反之亦然。最后，我们在磁孔临边侧发现热弧，将其解释为“热壁”效应在温度上的首个直接观测证据。
引用
@article{arxiv.2101.11445,
title = {Mapping the Sun's upper photosphere with artificial neural networks},
author = {Hector Socas-Navarro and Andres Asensio Ramos},
journal= {arXiv preprint arXiv:2101.11445},
year = {2021}
}
备注
Submitted to Astronomy and Astrophysics. Comments are welcome