内容摘要：人工智能生成的同一日冕雨的deepfake圖像，分辨率更清晰。鳴謝:盧克·麥克馬倫/美國宇航局太陽動力學觀測站（神秘的地球uux.cn）據皇家天文學會（GurjeetKahlon）：太陽科學家正在使用

人工智能生成的同一日冕雨的deepfake圖像，分辨率更清晰。鳴謝:盧克·麥克馬倫/美國宇航局太陽動力學觀測站
（神秘的地球uux.cn）據皇家天文學會（Gurjeet Kahlon）：太陽科學家正在使用deepfake人工智能圖像來揭開太陽大氣的奧秘。這項研究發表在本周的國家天文學會議上，是諾森比亞大學和伯爾尼大學合作的一部分。
80多年來，太陽物理學家一直試圖了解太陽大氣上遊(日冕)出人意料地比接近表麵的層更熱的方式和原因。科學家們已經將其縮小到兩個可能的原因:通過等離子體中的波耗散或通過磁力線的高能重連來加熱。有證據表明這兩種情況都在發生，但是每個過程對總熱量的貢獻仍然是未知的。
解開這個謎團的關鍵似乎在於被稱為“日冕雨”的美麗現象——向外投射並落回太陽大氣上遊的較冷等離子體環。識別這種雨對於加深我們對太陽基本熱力學的理解至關重要。“雨”似乎隻是由磁力線重連產生的。如果科學家能夠發現有多少日冕雨落在太陽上，他們就可以確定這種意想不到的加熱循環是如何工作的。
為了知道有多少雨，必須從無數的其他太陽物質中分離出來觀察。大多數對太陽雨的觀測是由美國宇航局太陽動力學天文台上的大氣成像組件(AIA)進行的。然而，這些圖像中的雨經常被較熱的物質遮擋。美國宇航局太陽觀測衛星接口區域成像光譜儀(IRIS)拍攝的替代圖像更清楚地顯示了降雨，但隻能捕捉有限的視野。在具有虹膜清晰分辨率的大量AIA中，需要一組金發姑娘圖像。

NASA太陽動力學天文台上的大氣成像組件(AIA)拍攝的日冕雨等離子體投影的原始圖像。鳴謝:盧克·麥克馬倫/美國宇航局太陽動力學觀測站

美國宇航局太陽動力學天文台上的大氣成像組件(AIA)拍攝的日冕雨圈的原始圖像，顯示了較熱物質造成的模糊。鳴謝:盧克·麥克馬倫/美國宇航局太陽動力學觀測站

AI在研究了一組來自IRIS的更高分辨率圖像後生成的日冕雨深度假圖像。日冕雨圈更加清晰可見。鳴謝:盧克·麥克馬倫/美國宇航局太陽動力學觀測站
為了解決這個問題，來自諾森比亞大學的研究人員盧克·麥克馬倫訓練了一種人工智能機器學習算法，以研究高清虹膜圖像，然後增強更豐富、質量更低的AIA圖像，創建“深度假像”，讓天文學家了解太陽大氣中有多少冕雨，並隨後解決其不尋常的熱分層之謎。
“我們生活在太陽能研究的黃金時代，”該項目的首席研究員盧克·麥克馬倫說。“我們不僅獲得了比以往更多的太陽大氣高分辨率圖像，而且機器學習技術的快速發展和實施與這些觀察相結合，使我們能夠找到困擾社區幾十年的問題的答案。我們預計觀察和機器學習之間的這種合作隻會越來越深入，並成為我們科學武庫中的一個主要工具。”