AIがコロナホールを発見し宇宙天気予報を自動化

オーストリアのグラーツ大学、スコルテック社、そして米国とドイツの科学者らは、宇宙からの観測からコロナホールを確実に検出できる新しいニューラルネットワークを開発した。 このアプリケーションは、より信頼性の高い宇宙天気予報への道を開き、太陽活動周期の研究に貴重な情報を提供します。この論文は「天文学と天体物理学」誌に掲載された。

地球上の私たちの生命が太陽の光に依存しているのと同じように、私たちの電子的な「生命」は、最も近い恒星の活動と、その恒星と地球の磁場との相互作用に依存しています。人間の目には太陽はほぼ一定に見えますが、非常に活発で、地球上で地磁気嵐を引き起こす爆発的な活動が頻繁に起こります。このため、太陽の外側の大気であるコロナは、衛星搭載の望遠鏡によって常に監視されています。

これらの観測で際立った特徴の 1 つは、コロナホールとして知られる拡張された暗い領域でした。太陽の表面から磁場に沿ってプラズマ粒子が惑星間空間に逃げ出し、コロナに「穴」を残すため、暗く見える。逃げ出した粒子は高速の太陽風の流れを形成し、最終的には地球に衝突して磁気嵐を引き起こす可能性がある。太陽のこれらの穴の外観と位置は太陽活動によって変化し、太陽の長期的な進化に関する重要な情報も提供します。

「コロナホールの検出は従来のアルゴリズムでは困難な作業であり、太陽の大気中にはフィラメントなどコロナホールと混同されやすい他の暗い領域があるため、人間の観測者にとっても困難である」とグラーツ大学の研究者でこの研究の主執筆者であるロバート・ヤロリム氏は述べた。

論文の中で、著者らはコロナホールを検出するために開発した CHRONNOS (Coronal Hole Identification Neural Network on Multispectral Data) と呼ばれる畳み込みニューラル ネットワークについて説明しています。 「人工知能により、コロナホールをその強度、形状、磁場の特性に基づいて特定することが可能になった。これは人間の観測者が考慮するのと同じ基準だ」とヤロリム氏は語った。

太陽の大気は、異なる波長で見ると非常に異なって見えます。 「我々は、ニューラルネットワークへの入力として、さまざまな極端紫外線（EUV）波長で記録された画像と磁場マップを使用しています。これにより、ネットワークはマルチチャネル表現の関係性を見つけることができるのです」と、グラーツ大学の教授でこの論文の共著者であるアストリッド・ヴェロニグ氏は付け加えた。

[[409179]]

過去 11 年間に検出されたコロナホールのアニメーション。特定されたコロナホールは赤い輪郭で示されます。太陽は太陽活動周期中に変化し、2014 年に最大の活動に達しました。出典：Jarolim et al., 2021より。

著者らは、2010年から2017年までの約1,700枚の画像を使用してモデルをトレーニングし、このアプローチが太陽活動のあらゆるレベルに一貫していることを示しました。ニューラル ネットワークは、その結果を手動で識別された 261 個のコロナ ホールと比較して評価され、人間のラベルと 98% の確率で一致しました。さらに、著者らは、EUV 観測とは大きく異なると思われる磁場マップに基づくコロナホールの検出を調査しました。人間にとって、これらの画像だけからコロナホールを識別することは不可能だが、AIは画像を異なる方法で認識することを学習し、コロナホールを識別することができた。