一个新的太阳耀斑预测模型已经成功构建

广州大学国家天文科学数据中心大湾区中心王峰教授、中国科学院云南天文台邓华林研究员、昆明理工大学宋风教授合作开展太阳耀斑预测与人工智能学习交叉研究，利用深度学习方法构建更细粒度的太阳预测模型，意味着太阳耀斑预测方向取得新进展。近日，国际期刊《天体物理学杂志》发表了这一研究成果。

太阳大气中存在各种尺度活动，主要以磁场为主。磁场越复杂，越容易储存更多的能量。当磁结构中储存的磁能过多，磁场比较复杂时，能量就会以太阳爆发的形式释放出来，太阳耀斑就是太阳爆发活动的一种表现。太阳耀斑是发生在局部地区的剧烈爆炸活动现象，能在短时间内释放出大量能量，引起局部地区瞬间升温，并发出各种电磁辐射，伴随着粒子辐射的突然增强。

日光层磁场观测器是由太阳动力学观测站携带的过滤式观测仪器。它利用铁吸收线测量太阳光球表面的多普勒频移、连续谱强度、视磁场和活动区矢量磁场，用于研究太阳磁活动过程与内部动力学过程的关系。日光层磁场观测器的磁图是全天磁场测量中时空分辨率最好、精度最高的磁场数据。

合作研究团队通过生成对抗网络弥补了样本不足的耀斑类别，然后利用混合卷积神经网络建立了耀斑预测模型。与传统方法相比，该模型能够自动提取信息特征，损失信息少，训练模型更高效、准确，大大提高了真实技能统计的平均得分。

太阳耀斑释放了先前储存在磁场中的能量，这是太阳活动区的磁能迅速转化为等离子体流、粒子、辐射和热量的动能的过程。由于一个太阳周期上升期的持续时间比下降期短，耀斑能量在这两个阶段的储存和耗散物理过程可能表现出不同的时空演化行为，因此建立第24个太阳周期上升期和下降期的耀斑预测模型具有重要价值。