SuNeRF：利用神经辐射场对太阳极紫外日冕进行三维重建

为了理解太阳的演化及其爆发事件的影响，多个卫星任务对太阳进行持续监测。太阳等离子体的光学薄发射和有限的视角使得重建太阳大气的几何结构和形态充满挑战；然而，这些信息是理解太阳本质——一个三维演化的恒星——所缺失的一环。我们提出了一种方法，能够对极紫外光下观测到的太阳最上层（日冕）进行完整的三维表示。我们采用深度学习的三维场景表示方法，考虑辐射传输，从三个同步观测视角映射整个太阳大气。我们证明，该方法提供了前所未有的太阳极区重建，并直接能够估计日冕结构、太阳暗条、冕洞轮廓和日冕物质抛射的高度。我们使用模型生成的合成极紫外图像进行验证，发现即使仅从32个黄道视角（纬度$|\text{latitude}| \leq 7^\circ$）出发，我们的方法也能准确捕捉太阳的三维几何结构。我们使用集成方法量化模型的不确定性，从而在没有真实数据的情况下估计模型性能。我们的方法为我们最近的恒星提供了全新的视角，是高效利用多仪器数据集的突破性技术，为未来的集群任务铺平了道路。