來自奧地利格拉茨大學、Skoltech公司的科學家和他們來自美國和德國的同事開發了一個新的神經網絡，能夠可靠地從天基觀測中檢測日冕孔。 這一應用為更可靠的空間天氣預測鋪平了道路，并為太陽活動周期的研究提供了寶貴的信息。這篇論文發表在《天文學與天體物理學》雜志上。

就像我們在地球上的生命依賴于太陽的光一樣，我們的電子 "生命"也依賴于我們最接近的恒星的活動以及它與地球磁場的相互作用。對于人眼來說，太陽看起來幾乎是恒定的，但太陽非常活躍，經常出現爆發，并在地球上引起地磁暴。由于這個原因，太陽外層的大氣層，即日冕，一直被基于衛星的望遠鏡所監測。

在這些觀察中，其中一個突出的特征是被稱為日冕洞的延伸黑暗區域。它們看起來很暗，因為等離子體粒子可以沿著磁場從太陽表面逃到行星際空間，在日冕中留下一個 "洞"。逃逸的粒子形成了高速的太陽風流，最終可以擊中地球，引起地磁暴。這些洞在太陽上的出現和位置隨太陽活動的變化而變化，也給我們提供了關于太陽長期演變的重要信息。

格拉茨大學的研究科學家、該研究的主要作者Robert Jarolim說："檢測日冕洞對傳統算法來說是一項困難的任務，對人類觀察者來說也是一項挑戰，因為太陽大氣中還有其他黑暗區域，如絲狀物，很容易與日冕洞混淆。"

在他們的論文中，作者描述了一個被稱為CHRONNOS(多光譜數據上的日冕洞識別神經網絡)的卷積神經網絡，他們開發了這個網絡來檢測日冕洞。Jarolim說："人工智能使我們能夠根據日冕洞的強度、形狀和磁場特性來識別它們，這與人類觀察者考慮的標準相同。"

在不同的波長下觀察，太陽大氣顯得非常不同。格拉茨大學教授、該出版物的共同作者Astrid Veronig補充說："我們使用在不同極紫外(EUV)波長下記錄的圖像以及磁場圖作為我們神經網絡的輸入，這使得網絡能夠在多通道表示中找到關系。"

[[409179]]

近11年來檢測到的冠狀洞的動畫版本。已確定的日冕洞由紅色等高線表示。太陽在太陽周期中發生變化，并在2014年達到其最大活動。資料來源：來自Jarolim等人，2021年。

作者用2010-2017年時間范圍內的大約1700張圖像訓練了他們的模型，并表明該方法對所有太陽活動水平都是一致的。通過將結果與261個人工識別的日冕洞進行比較，對神經網絡進行了評估，在98%的情況下與人類標簽相匹配。此外，作者還研究了基于磁場圖的日冕洞檢測，這看起來與EUV觀測結果有很大的不同。對于人類來說，僅從這些圖像中無法識別日冕孔，但人工智能學會了以不同方式感知圖像，并能夠識別日冕孔。