从 IRIS 观测的光谱轮廓恢复热力学：一种机器与深度学习方法
太阳与恒星天体物理
2019-04-19 v2 天体物理仪器与方法
摘要
反演代码允许从观测中重建大气模型。由于包含了在太阳色球层中形成的光学厚谱线，此类建模在计算上非常昂贵，因为需要对辐射场进行非局部热动平衡(non-LTE)计算。在本研究中，我们将这些传统方法所得结果与机器和深度学习技术相结合，以易于使用且快得多的方式获得质量相近的结果。我们将这些新方法应用于 IRIS 观测到的 Mg II h&k 谱线。结果，我们能够在几分钟 CPU 时间内重建相当于一个活动区的色球和光球上层的热力学状态（温度、视线速度、非热速度、电子密度等），将过程加速了 - 倍。本文 accompanying 的开源代码将使学界能够利用 IRIS 观测打开一扇通向众多太阳现象的新窗口。
引用
@article{arxiv.1904.08390,
title = {Recovering Thermodynamics from Spectral Profiles observed by IRIS: A Machine and Deep Learning Approach},
author = {Alberto Sainz Dalda and Jaime de la Cruz Rodríguez and Bart De Pontieu and Milan Gošić},
journal= {arXiv preprint arXiv:1904.08390},
year = {2019}
}
备注
8 pages, 5 figures