PINN ME: A Physics-Informed Neural Network Framework for Accurate Milne-Eddington Inversions of Solar Magnetic Fields
本文提出 PINN ME 框架，利用物理信息神经网络在 Milne-Eddington 近似下反演太阳光球磁场，通过拟合 stokes 轮廓并纳入点扩散函数，实现抗噪、低内存且高空间相干性的磁场反演。
2025-02-19 astro-ph.IM astro-ph.SR
MVPinn: Integrating Milne-Eddington Inversion with Physics-Informed Neural Networks for GST/NIRIS Observations
提出MVPinn方法，将Milne-Eddington辐射传输方程作为物理约束嵌入神经网络，高效反演BBSO/NIRIS光谱偏振观测的磁场参数，在准确度、抗噪性和速度上显著优于传统方法，相关系数约90%。
2025-07-12 astro-ph.IM astro-ph.SR
Spectropolarimetric inversions of the He I 10830 A multiplet in an Active Region filament
2005年7月，使用特内里费岛红外偏振仪仪器获得了活动区灯丝的全斯托克斯光谱偏振数据（在10830 A区域）。灯丝中的偏振分布显示出类似塞曼的特征。利用Milne-Eddington反演方法从He I 10830 A多重态中推断出色球磁场、倾角、方位角、速度和多普勒宽度。在灯丝中发现了600-800 G量级的场强。在极性反转线附近探测到色球层水平的强横向场。据我们所知，这些是在这些结构中可靠测量的最高场强。我们的发现表明可能存在一个磁通绳。
2010-01-14 astro-ph.SR
The Helioseismic and Magnetic Imager (HMI) Vector Magnetic Field Pipeline: Optimization of the Spectral Line Inversion Code
斯托克斯矢量的快速反演（VFISV）是一个Milne-Eddington谱线反演程序，用于通过太阳动力学天文台（SDO）上的日震和磁成像仪（HMI）对6173 A Fe I谱线上的斯托克斯矢量的观测来确定太阳光球层的磁性和热力学参数。我们报告了对原始VFISV反演代码的修改，以优化其在HMI数据管道中的操作，并在活动区域提供最平滑的解决方案。这些变化要么加快了计算速度，要么降低了算法无法收敛到满意解的频率。此外，这里报告了在原始VFISV版本中检测到并修复的编码错误。
2014-03-14 astro-ph.SR
A GPU-Computing Approach to Solar Stokes Profile Inversion
在Milne-Eddington模型下，我们提出了一种新的计算方法来反演太阳光球的Stokes偏振剖面。我们的代码，名为GENESIS（遗传斯托克斯反演策略），采用多线程并行处理技术，利用图形处理单元GPU的计算能力，以及设计的算法，利用固有的并行性的斯托克斯反演问题。使用遗传算法（GA）专门设计用于与GPU，我们生产全光盘地图的光球矢量磁场偏振谱线观测记录的太阳（SOLIS）矢量光谱磁仪（VSM）仪器。我们展示了配对的人口并行遗传算法与数据并行GPU计算技术的优势，并提出了一个概述的斯托克斯反演问题，包括我们适应的GPU计算范式的描述。使用2008年3月28日15：45 UT观测的SOLIS/VSM数据，显示了通过这种方法得到的全圆盘矢量磁图。
2012-08-01 astro-ph.SR
VFISV Inversion Code Documentation for SOLIS/VSM Pipeline Implementation
谱线反演码是用于解释分光偏振数据的工具;一般来说，它们的功能是分析一组观测到的斯托克斯轮廓，并推断形成斯托克斯轮廓的谱线形成区域的物理性质。对于SOLIS/VSM 6302 v管线，反演基于Milne-Eddington模型大气，优化以再现在6301.5和6302.5埃处观察到的Fe I线的斯托克斯轮廓。本文档提供了VFISV（斯托克斯矢量的快速反演）反演代码的SOLIS/VSM混音的详细概述，因为它是在SOLIS/VSM管道环境中实现的。
2017-06-30 astro-ph.IM astro-ph.SR
Multi-wavelength study of a delta-spot I: A region of very strong, horizontal magnetic field
活动区NOAA 11035出现在2009年12月，在新的太阳活动周期的早期。当寄生磁通出现在旋转主导磁极附近并穿过该组中最大太阳黑子的半影时，该区域实现了三角洲太阳黑子（$δ$ -斑点）配置。可见光和红外成像光谱偏振的磁敏感的Fe I线对在6302和15650显示大的塞曼分裂的半影之间的寄生本影和主黑子本影。在最强场区的偏振斯托克斯光谱显示异常的配置文件，和强烈的蓝移被认为是在相邻的区域。使用Milne-Eddington反演代码进行剖面分析，该反演代码能够拟合具有杂散光的单个磁分量或两个独立的磁分量以验证场强。反演结果表明，两条中等磁场的剖面组合不能产生异常剖面。最大的磁场强度为3500-3800 G，与强至3.8 km/s $^{-1}$的蓝移非常接近。在这个区域的极性反转线附近看到的强的、接近水平的磁场，在太阳黑子磁流体静力平衡的标准模型的背景下是很难理解的。
2015-12-28 astro-ph.SR
Effect of Polarimetric Noise on the Estimation of Twist and Magnetic Energy of Force-Free Fields
无力参数$α$，也称为螺旋度参数或扭曲参数，在某些限制条件下具有与磁螺旋度相同的符号。整个活动区域的$α$的单个全局值给出了每单位轴向长度的扭曲程度。研究了极化噪声对解析双极子的全局$α$值和磁能计算的影响。分析的双极已产生使用的无力场近似与一个已知的常数$α$和磁能的值。从解析双极获得的磁参数被用来生成斯托克斯轮廓从极化辐射转移方程的Unno-Rachkovsky解决方案。然后，我们添加随机噪声的顺序为10 $^{-3}$的连续强度（I $_{c}$）在这些配置文件中，以模拟真实的配置文件，如Hinode（SOT/SP），SVM（USO），ASP，DLSP，POLIS，SOLIS等现代光谱偏振仪获得这些嘈杂的配置文件，然后使用米尔恩-爱丁顿反演代码反演，以检索磁参数。为了研究全球$α$和磁能值中误差的分布，重复了数百次添加随机噪声和极化反演的过程。结果表明：（1）. $α$的符号不受偏振噪声的影响，并且可以计算非常精确的全局扭曲值，以及（2）。在无力条件下，可以精确估计磁能，不确定度低至0.5%。
2009-04-29 astro-ph.SR
Asymmetries of the Stokes V profiles observed by HINODE SOT/SP in the quiet Sun
我们提出的第一个分类的SOT/SP圆偏振测量的目的是突出详尽的斯托克斯V形出现从安静的太阳的整个品种。k-means用于分类在安静的Sun网络和互联网络（IN）中观察到的HINODE SOT/SP Stokes V轮廓。我们分析了一个302 × 162平方角秒的视野（FOV），可以被认为是一个完整的样本，安静的太阳测量进行在磁盘中心与0.32角秒角分辨率和0.001偏振灵敏度。这样的分类允许我们将整个数据集划分为类，每个类由聚类配置文件表示，即，这是班上的平均水平。来自分析的35个集群配置文件的集合完全表征SOT/SP安静太阳测量。网络和IN配置文件形状之间的分离是明显的-网络中的类不存在于IN中，反之亦然。非对称剖面约占剖面总数的93%。其中，约34%的轮廓是强非对称轮廓，并且它们可以被分为三个家族：蓝瓣轮廓、红瓣轮廓和类Q轮廓。蓝瓣的配置文件往往与上升流（颗粒），而红色的瓣和Q型的出现在下降流（粒间通道）。需要考虑不同于均匀磁化的米尔恩-爱丁顿（ME）大气的模型大气来解释这种分布，即，其特征在于磁场中的梯度和/或不连续性以及沿着视线（LOS）的速度。
2011-04-05 astro-ph.SR
On spectropolarimetric measurements with visible lines
新仪器提供矢量磁场和太阳等离子体视线速度的精确推断的能力，在很大程度上取决于所选测量的谱线对这些物理量的灵敏度。最近，人们对可见的斯托克斯轮廓提出了质疑，以提供一个明确的区分弱场和强场填充一小部分的观察区域。本文的目标是提供定性和定量的论据，帮助解决这一争论，因为几个采用可见线条的工具正在运作或计划在不久的将来。斯托克斯分布的灵敏度是通过响应函数计算的（例如，Ruiz Cobo & Del Toro Mesesta，1994年）。理论和经验证据收集有利于可见斯托克斯轮廓的可靠性。响应函数也用于估计观测中噪声引起的物理量的不确定性。一个有用的公式已被推导出来，考虑到测量技术（偏振测量，偏振效率，波长样品的数量），模型假设（自由参数的数量，填充因子），和辐射转移（响应函数）。我们的结论是，一个弱磁场的情况下，可以合理地区分与另一个强场，但类似的斯托克斯$V$振幅可见线，只要米尔恩-爱丁顿近似是足够好的描述太阳大气和偏振信号是至少三或四倍大于典型的均方根噪声的$ 10^{-3} I_{\rm c}$达到的观测。
2010-01-18 astro-ph.SR
Interpretation of HINODE SOT/SP asymmetric Stokes profiles observed in quiet Sun network and internetwork
我们提出的第一个解释的斯托克斯轮廓不对称性测量的FeI 630 nm线的SOT/SP，在安静的太阳互联网（IN）和网络区域。反演是在MISMA假设下进行的，其中未分辨的结构被假定为光学薄。我们分析了一个29.52“x31.70”的子场，仔细选择，以代表在磁盘中心的302“x162”安静的太阳视场的属性。反演代码能够以非常令人满意的方式再现所观察到的不对称性。反转代码将25%的反转轮廓解释为来自正极性和负极性共存的像素。KG场强度被发现在网络和IN的光球的底部;在后者的情况下，KG场和hG场都被混合。当考虑光球层中部的磁性时，大多数kG场都消失了，统计数据主要由hG场控制。我们只限制了4.5%的光球的磁场（当涉及所有像素时，这个百分比降低到1.3%，包括那些没有分析的低偏振）。等离子体的其余部分与对检测到的偏振信号没有贡献的弱场的存在一致。全子场和IN区的平均通量密度高于Milne-Eddington反演结果。发现了SOT/SP极化曲线存在较大的不对称性。这些在安静的太阳数据中是不可忽略的。MISMA反演码以令人满意的方式再现了它们，并提供了磁化IN和网络的统计描述，这部分地不同于并补充了迄今为止所获得的结果。由此可见，对线路轮廓形状进行完整解释的重要性。
2010-10-01 astro-ph.SR
Bayesian Stokes inversion with Normalizing flows
斯托克斯反演技术是获得太阳和恒星大气热力学和磁学性质信息的非常有效的方法。近年来，已经开发出非常复杂的反演代码，现在通常应用于光谱偏振观测。这些反问题的代码大多是为了寻找非线性反问题的最优解而设计的。然而，为了获得潜在的多模态情况（模糊性）的位置，退化，以及从反演推断的每个参数的不确定性，诸如马尔可夫链蒙特卡罗（MCMC）的算法，需要评估模型的可能性数千次，并且计算成本很高。变分方法是蒙特卡罗方法的一种快速替代方法，它通过参数化分布来近似后验分布。在这项研究中，我们引入了一个高度灵活的变分推理方法来执行快速贝叶斯推断，称为规范化流。规范化流是一组可逆的、可微的和参数化的变换，它们将简单分布转换为任何其他复杂分布的近似值。如果转换以观测为条件，则可以训练归一化流以返回任何观测的贝叶斯后验概率估计。我们说明了使用一个简单的米尔恩-爱丁顿模型和一个复杂的非LTE反演的方法的能力。然而，该方法是非常通用的，并且可以应用其他更复杂的正演模型。对于给定的先验参数空间，训练过程只需要执行一次，然后产生的网络可以比现有技术快几个数量级地生成描述后验分布的样本。
2021-12-19 astro-ph.IM astro-ph.SR
Decay of a photospheric transient filament at the boundary of a pore and the chromospheric response
本研究通过分析孔隙边界瞬态光球层丝状结构的衰减，结合光谱偏振观测与反演，发现其与高层大气温度升高及双向流动相关，提出磁重联驱动该过程的机制。
2023-03-06 astro-ph.SR
Retrieval of solar magnetic fields from high-spatial resolution filtergraph data: the Imaging Magnetograph eXperiment (IMaX)
现代仪器的设计不仅意味着对仪器效应的深入研究，而且还意味着对数据的科学分析有很好的理解。我们调查的可靠性Milne-Eddington（ME）反演的高分辨率磁像仪测量，如那些将获得的成像磁像仪实验（IMAX）登上日出气球。我们还提供了参数，选择无论是Fe I 525.02或525.06 nm作为最适合的线IMaX。我们重现了IMaX观测使用磁对流模拟安静的太阳和合成的四个斯托克斯配置文件出现从他们。该配置文件被降级的空间和光谱分辨率，噪声，和有限的波长采样，就像真正的IMaX测量。我们反演了这些数据，并估计了由ME近似和频谱采样引起的反演物理参数的不确定性，从而可以从标准IMaX测量结果中推断出磁场强度、倾角、方位角和视线速度（4个斯托克斯参数，5个波长点，以及1000的信噪比），将ME反转应用于525 nm处的任何Fe I线。我们还发现望远镜衍射对来自非均匀大气的高分辨率观测的光谱有重要的影响。衍射降低了偏振信号的幅度，改变了斯托克斯轮廓的不对称性。525 nm处的两条Fe I谱线符合IMaX的科学要求，但Fe I 525.02 nm是首选，因为它导致检索参数的不确定性较小，并提供了更好的可探测性，在安静的太阳中最弱的（线性）偏振信号。
2010-06-29 astro-ph.IM astro-ph.SR
Inferring Vector Magnetic Fields from Stokes Profiles of GST/NIRIS Using a Convolutional Neural Network
New Jersey Institute of Technology（新泽西理工学院）；Big Bear Solar Observatory（大熊湖天文台）
提出了一种基于卷积神经网络（CNN）和Milne-Eddington（ME）方法的Stokes反演机器学习方法。本研究中使用的斯托克斯测量是由大熊太阳天文台1.6米古德太阳望远镜（GST）上的近红外成像分光偏振仪（NIRIS）进行的。通过学习由基于物理的ME工具准备的训练数据中的潜在模式，所提出的CNN方法能够从GST/NIRIS的Stokes轮廓推断矢量磁场。实验结果表明，我们的CNN方法产生更平滑，更干净的磁图比广泛使用的ME方法。此外，CNN方法比ME方法快4~6倍，并且能够近实时地产生矢量磁场，这对于空间天气预报是必不可少的。具体地，CNN方法处理包括GST/NIRIS的斯托克斯分布的720 × 720像素的图像花费约50秒。最后，CNN推断的结果与ME计算的结果高度相关，并且更接近ME的结果，皮尔逊积矩相关系数（PPMCC）平均比其他机器学习算法（如多重支持向量回归和多层感知器（MLP））更接近1。特别是，根据我们的实验研究，CNN方法在PPMCC中平均比当前最好的机器学习方法（MLP）高出2.6%。因此，所提出的基于物理辅助的深度学习的CNN工具可以被认为是GST/NIRIS获得的高分辨率极化观测的斯托克斯反演的替代有效方法。
2020-05-08 astro-ph.SR cs.LG
Stokes inversion techniques with neural networks: analysis of uncertainty in parameter estimation
磁场是造成许多太阳现象的原因，包括太阳耀斑和日冕物质抛射等破坏性事件，随着我们接近11年太阳活动周期的高峰，大约在2025年，这些事件的数量会增加。高精度的分光偏振观测对于了解太阳的变化是必要的。从这种观测中定量推断磁场矢量和相关的太阳大气参数的领域早已被研究过。近年来，已经开发出非常复杂的分光偏振观测代码。在过去的二十年里，神经网络已被证明是一种快速和准确的替代经典反演技术方法。然而，这些代码中的大多数可以用来获得点估计的参数，所以模糊性，退化，和每个参数的不确定性仍然未被发现。在本文中，我们提供端到端的反演代码的基础上简单的米尔恩-爱丁顿模型的恒星大气和深度神经网络的参数估计和他们的不确定性区间。拟议的框架的设计方式，它可以扩展和适应其他大气模型或它们的组合。附加信息也可以直接合并到模型中。它表明，所提出的架构提供了高精度的结果，包括可靠的不确定性估计，即使在多维的情况下。使用模拟和真实数据样本对模型进行了测试。
2022-10-26 astro-ph.IM astro-ph.SR physics.data-an
Effects of solar evolution on finite acquisition time of Fabry-Perot-Interferometers in high resolution solar physics
成像分光偏振仪VTF（可见光可调滤光片）将在丹尼尔K。井上太阳望远镜（DKIST）。由于其分辨小于0.05“的动态精细结构的能力，通常11 s的有限采集时间影响测量过程，并可能导致推导出的物理参数的误差。我们估计这些错误，并研究如何尽量减少它们。我们模拟太阳表面使用磁流体动力学模拟与空间平均垂直场强度为200 G。我们模拟的测量过程扫描通过连续的波长点的时间节奏为1秒。我们合成了617.3nm的FeI。除了经典的组成的线轮廓，我们介绍了一种新的方法，其中在每个波长点的强度归一化使用的同时连续强度。Milne-Eddington反演用于推断视线速度v（los）和磁场的垂直（纵向）分量B（los）。我们量化系统误差，将测量期间模拟的时间平均值定义为真实值。我们发现，与经典的组成的线配置文件，错误超过灵敏度为v（洛杉矶），并在细丝区域也为B（洛杉矶）。包括归一化的新方法在所有情况下都减少了测量误差。在不减少采集时间的情况下，空间合并略微降低了测量误差。颗粒间通道的演化时间尺度，特别是在具有磁性特征（细丝）的区域，比颗粒内的时间尺度短。因此，颗粒间通道中的强磁场可利用较少的积累，而弱颗粒磁场可利用较多的积累。作为一个关键的结果，我们建议在相应的数据管道中包括新的归一化方法。
2022-10-27 astro-ph.IM astro-ph.SR
Inferring Line-of-Sight Velocities and Doppler Widths from Stokes Profiles of GST/NIRIS Using Stacked Deep Neural Networks
New Jersey Institute of Technology（新泽西理工学院）；National University of Singapore（新加坡国立大学）
通过斯托克斯反演获得高质量的磁场和速度场在太阳物理中至关重要。在本文中，我们提出了一种新的深度学习方法，称为堆叠深度神经网络（SDNN），用于从大熊太阳天文台（BBSO）1.6米古德太阳望远镜（GST）上的近红外成像光谱仪（NIRIS）收集的斯托克斯剖面中推断视线（LOS）速度和多普勒宽度。SDNN的训练数据由BBSO使用的Milne-Eddington（ME）反转码准备。我们定量评估SDNN，将其反演结果与ME反演代码和相关机器学习（ML）算法（如多支持向量回归，多层感知器和像素级卷积神经网络）获得的结果进行比较。我们的实验研究的主要发现总结如下。首先，SDNN推断的LOS速度与ME计算的LOS速度高度相关，Pearson积矩相关系数平均接近0.9。其次，SDNN比ME反演代码更快，同时产生更平滑和更清晰的LOS速度和多普勒宽度图。第三，SDNN产生的映射比相关ML算法产生的映射更接近ME的映射，表明SDNN比ML算法具有更好的学习能力。最后，将基于GST/NIRIS的ME和SDNN反演结果与太阳动力学观测站的日震和磁成像仪在耀斑活动区NOAA 12673的反演结果进行了比较。我们还讨论了扩展SDNN推断矢量磁场的经验评估。
2022-10-08 astro-ph.IM astro-ph.SR cs.LG
Combining magneto-hydrostatic constraints with Stokes profiles inversions. III. Uncertainty in the inference of electric currents
电流在太阳大气等离子体的能量平衡中起着重要的作用。它们也指示非潜在磁场和磁重联。不幸的是，电流的直接测量传统上充满了不准确性。我们研究如何准确地推断电流在不同的情况下。我们进行了越来越复杂的反演的辐射传输方程的偏振光应用到斯托克斯配置文件合成辐射三维磁流体动力学（MHD）模拟。反演产生磁场矢量${\bf B}$，通过应用安培定律从磁场矢量导出电流密度${\bf j}$。我们发现，电流密度的检索仅受光子噪声或光谱分辨率的轻微影响。然而，检索稳步提高斯托克斯反演变得越来越精细。在最不复杂的情况下（Milne-Eddington-like反演应用于单个光谱区域），可以以$σ=0.90-1.00$ dex的精度确定电流密度的各个分量（$j_{\rm x}$、$j_{\rm y}$、$j_{\rm z}$），而模量（$\|{\bf j}\|$）只能用$σ=0.75$ dex确定。在最复杂的情况下（具有多个谱区、大量节点、吉洪诺夫垂直正则化和磁流体静力平衡），这些数字改进为单个分量的$σ=0.70-0.75$ dex和模数的$σ=0.5$ dex。此外，在磁场高于300高斯的区域中，可以以$σ=0.3$ dex的精度推断出$\|{\bf j}\|$。通常，电流密度的$x$和$y$分量的检索略好于$z$分量。
2022-11-14 astro-ph.SR physics.plasm-ph physics.space-ph
