探测三维磁场：III——同步辐射发射与机器学习

同步辐射观测是研究星际介质和星系团内介质中磁场的工具，然而其揭示三维（3D）磁场的能力，即从单次观测数据中探测磁场的平面天球（POS）方向、相对于视线的倾角以及磁化程度，在很大程度上仍未被探索。受各向异性磁流体动力学（MHD）湍流最新认识的启发，我们发现同步辐射发射的强度结构本质上反映了这种各向异性，为三维磁场研究提供了关键信息：(i) 结构的拉长给出了磁场的平面天球方向，(ii) 结构的各向异性程度和拓扑揭示了倾角和磁化程度。基于这一基础，我们集成了机器学习方法——卷积神经网络——来提取这些潜在信息，从而促进对三维磁场的探索。该模型在合成的同步辐射发射图上进行训练，这些图源自涵盖从亚阿尔芬到超阿尔芬条件范围的3D MHD湍流模拟。我们表明，该CNN具有物理可解释性，并且能够获取POS方向、倾角和磁化程度。此外，我们测试了CNN对噪声效应和缺失低空间频率的鲁棒性。我们表明，即使仅保留高空间频率，这种基于CNN的方法也能保持高度的鲁棒性。这使得该方法特别适用于缺乏单天线测量的干涉数据。我们将训练好的CNN应用于某弥散区的同步辐射观测。CNN预测的POS磁场方向与从同步辐射偏振推导出的方向在统计上是一致的。