科技日报讯(记者 赵汉斌) 广州大学国家天文科学数据中心大湾区分中心教授王锋、中国科学院云南天文台研究员邓林华和昆明理工大学教授冯松等人合作，开展了太阳耀斑预报与人工智能学习的交叉研究，利用深度学习方法，构建了更细粒度的预报太阳模型，这意味着在太阳耀斑预报方向上取得新的进展。日前，国际期刊《天体物理学杂志》发表了这一研究成果。
太阳表面大气存在着各种尺度的活动现象，这些活动现象主要是由磁场支配的。磁场结构越复杂，越容易储存更多能量。当储存在磁结构中的磁能过多，且磁场位形越复杂时，将会通过太阳爆发的形式释放出能量，太阳耀斑即是太阳爆发活动的一种表现形式。太阳耀斑是发生在局部区域的一种剧烈的爆发活动现象，可以在短时间内释放出大量的能量，引起局部区域的瞬时加热，向外发射各种电磁辐射，并伴随粒子辐射突然增强。
日球层磁场观测仪是太阳动力学天文台搭载的一个滤光型观测仪器，利用铁吸收线测量太阳光球表面的多普勒移动、连续谱强度、视向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之间的相互关系。日球层磁场观测仪磁图是目前全日面磁场测量中时空分辨率最好和精度最高的磁场数据。
合作研究团队通过生成对抗网络，弥补了样本数量不足的耀斑类别，然后利用混合卷积神经网络，建立了耀斑预报模型。与传统方法相比较，此模型能自动提取信息特征，损失更少的信息，模型的训练也变得更高效更精确，真实技能统计得分平均值也有大幅提高。
太阳耀斑释放出它以前储存在磁场中的能量，是一个太阳活动区的磁能迅速转化为等离子体流、粒子、辐射和热的动能的过程。由于一个太阳周期中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的物理过程可能表现出不同的时空演化行为，因此对第24太阳活动周的上升期和下降期分别建立耀斑预报模型有重要价值。
