本文轉自：科技日報

陸成寬

記者16日從中國科學院國家空間科學中心獲悉，基於機器學習，該中心科研人員提出一種日冕物質拋射識別與參數獲取的新方法。該方法對預報災害性空間天氣具有重要意義。相關研究成果在線發表於《天體物理學雜誌增刊》。

日冕物質拋射（CME）是從太陽拋入行星際空間的大尺度等離子體團，是太陽系內最大尺度的能量釋放活動，也是災害性空間天氣的主要源頭，可能會導致中度到強烈的地磁暴。

“瞭解日冕物質拋射在日冕以及行星際的傳播和演化過程，預報日冕物質拋射是否到達地球軌道及何時到達地球軌道，是空間天氣領域關注的重要課題。”論文通訊作者、中國科學院國家空間科學中心研究員沈芳介紹。

利用搭載於太陽與日光層觀測臺（SOHO）衛星上的大角度和光譜日冕儀的觀測數據，美國國家航空航天局的研究人員手工整理了1996年至今的日冕物質拋射觀測目錄。該目錄記載了每一次日冕物質拋射事件的時間、位置角、角寬度、速度等，是日冕物質拋射相關研究的重要基礎數據。

“然而，面對海量的數據，手工識別存在着耗時費力的缺點，自動識別日冕物質拋射成爲空間天氣研究的熱點。”沈芳說。

此次，科研人員提出了基於機器學習的日冕拋射物質識別與參數獲取方法。首先，科研人員基於大角度和光譜日冕儀的圖像數據，訓練了一個能夠判別圖像內是否有日冕物質拋射的卷積神經網絡模型；隨後，利用主成分分析方法提取神經網絡的特徵圖中的信息，獲取了能夠展示每一張觀測圖像中日冕物質拋射位置的共定位圖；最後，根據不同圖像中日冕拋射物質區域的形狀、位置等特徵，獲取了日冕拋射物質的速度、角寬度以及中央位置角等信息。

“與日冕拋射物質手工目錄以及部分經典自動識別方法相比，基於機器學習的日冕拋射物質識別與參數自動獲取方法效率高、速度快，能夠識別較爲微弱的日冕拋射物質信號，並給出準確的日冕拋射物質的形態信息。”沈芳說。