探测三维磁场：II -- 一种可解释的卷积神经网络

观测星际介质内的三维磁场（包括方向与强度）至关重要但极为困难。然而，近期我们对各向异性磁流体动力学（MHD）湍流的理解进展表明，MHD 湍流与三维磁场在光谱观测的强度特征上留下了印记。利用这些理论框架，我们提出一种新颖的卷积神经网络（CNN）模型来提取这一内嵌信息，从而实现三维磁场的探测。该模型不仅考察天空平面磁场方向（$\phi$），还考察磁场相对于视线方向的倾角（$\gamma$）以及云的总磁化水平（M$_A^{-1}$）。我们使用由三维 MHD 模拟生成的合成发射线 $^{13}$CO (J = 1 - 0) 与 C$^{18}$O (J = 1 - 0) 训练模型，模拟条件涵盖从亚阿尔文到超阿尔文分子云。我们的测试确认该 CNN 模型有效重建了三维磁场拓扑与磁化。在亚阿尔文条件下（M$_A\approx0.5$），$\phi$ 与 $\gamma$ 的中值不确定度均低于 $5^\circ$，M$_A$ 低于 0.2；在超阿尔文情形（M$_A\approx2.0$）下，二者均低于 $15^\circ$，M$_A$ 为 1.5。我们将训练好的 CNN 模型应用于 L1478 分子云。结果显示 CNN 预测的磁场方向与由 Planck 353 GHz 偏振数据推得的方向高度一致。CNN 方法使我们构建了 L1478 的三维磁场图，揭示其全局倾角约为 $\approx76^\circ$，全局 M$_A$ 约为 $\approx1.07$。