确定太阳风参数，对日地空间环境研究具有重要意义。传统获取太阳风参数的方法，依赖日冕与行星际磁流体动力学（MHD）模型的耦合。后者需要前者在0.1AU处的运算结果作为内边界条件后再进行传播计算。这一过程计算量大、耗时长，难以满足实时的空间天气预报需求。近日，中国科学院国家空间科学中心研究团队与比利时荷语鲁汶大学科研团队合作，引入机器学习技术，实现太阳风参数在0.1AU处的快速重建与预测，为高效实时的空间天气预报提供了新思路。
研究团队提出了基于U型卷积神经网络（U-Net）的太阳风参数快速生成方法。模型以全球日震观测网络—美国光球磁通量同化传输模型光球磁图为输入，以基于通用面向对象流体动力学框架的非结构网格日冕磁流体力学模型（COCONUT MHD）的输出结果为学习目标，通过训练实现0.1 AU处太阳风径向速度、数密度和径向磁场的直接预测。训练完成后，模型能够在单次运行中输出完整球面的太阳风参数分布，并可捕捉其在卡林顿自转周期内的时序演化特征。
模型在测试集上取得了高精度的重建结果：径向速度、数密度和径向磁场的相关系数分别达到0.992、0.987和0.991；推导的阿尔文速度与动压的相关性分别达到0.996和0.769。模型准确再现了关键太阳风参数的空间分布，并捕捉到其随时间变化的动态演化规律。同时，在计算效率方面，单次预测在仅使用CPU时耗时约7.8秒，在GPU环境下仅需0.065秒，较传统COCONUT MHD模拟分别提升约15倍和1800倍。
这一成果提高了太阳风模型的运算效率，为实现近实时太阳风预报与大规模日球建模提供了可行的技术路径。
相关研究成果发表在《天体物理学报增刊》上。研究工作得到国家自然科学基金、国家重点研发计划等的支持。
论文链接
所用U-Net模型架构
模型重建的太阳风参数与MHD模型结果的比较
新闻网讯 11月4日，《自然-纳米技术》（Nature Nanotechnology）在线发表华中科技大学生命学院、国家纳米药物工程技术研究中 11月10日，记者从中国地质大学（武汉）获悉，由该校牵头，武汉大学、中国科学院精密测量科学与技术创新研究院、中国科学院武汉岩 “我们愿在中国式现代化的浪潮中为科技强国贡献一份青春力量！” “参与大赛这些年，看着我们在课堂里的知识笔记一步步变成了田野里的实践论文，感慨万分。” 11月13日，教育部在北京召开学习贯彻落实习近平总书记 日前，联合国教科文组织在其官网正式发布消息，启动新一轮创意城市网络申报工作。项目申报向所有联合国教科文组织会员国开放，报名截止时间为2025年1月31日。国内申报城市须于2024年12月31日前将相关材料提交中国联合 日前，教育部印发《关于做好2025届全国普通高校毕业生就业创业工作的通知》（以下简称《通知》），部署各地各高校深入贯彻落实党中央、国务院决策部署，实施“2025届全国普通高校毕业生就业创业促进和 中国教育报-中国教育新闻网讯（记者 任朝霞）11月11日，以“AI for Science双螺旋引擎驱动科研新范式”为主题的2024科学智能创新论坛在复旦大学枫林校区举行。论坛上，上海科学智能研究院（简称“上智 。本文链接：科研人员提出基于U-Net模型进行三维行星际太阳风内边界重建新方法http://www.sushuapos.com/show-12-2076-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。
上一篇： 大规模异质集成光量子芯片研究取得进展
下一篇： 快速抗抑郁药物开发方面取得进展