基于物理信息神经网络的木星磁场重建
地球与行星天体物理
2024-05-06 v2 机器学习
摘要
利用来自 Juno 任务收集的数据进行磁声测绘，可为木星的内部结构提供约束。然而，假设电导率为零并以球谐函数表示的向内连续推估在小尺度上受噪声放大限制。本文描述了基于物理信息神经网络的木星内部磁场新型重建方法，分别使用前 33（PINN33）或前 50（PINN50）个 Juno 轨道。该方法可解析局部结构，允许存在弱环境电流。我们的模型不受噪声放大问题，提供了更清晰的内部结构图。我们估计， dynamo 边界位于 0.8 的比例半径处。在此深度处，磁场排列为经纬向带，强烈的局部特征如蓝色斑点似乎植根于相邻的相反符号通量结构中。
引用
@article{arxiv.2403.07507,
title = {Reconstructions of Jupiter's magnetic field using physics informed neural networks},
author = {Philip W. Livermore and Leyuan Wu and Longwei Chen and Sjoerd A. L. de Ridder},
journal= {arXiv preprint arXiv:2403.07507},
year = {2024}
}