近期，中国科学院云南天文台太阳物理研究团组的洪俊超副研究员、季凯帆研究员和刘辉研究员等人，展开了太阳观测分析与人工智能学习的跨学科合作。他们利用深度学习方法，对基于SDO/AIA极紫外波段成像数据预测日冕软X射线波段辐射，这项工作发表在国际顶尖科学杂志《The Astrophysical Journal》上。通过这种创新技术，他们能够更准确地探索日冕结构，揭示其高温等离子体的动态变化。
日冕是太阳大气最外层，其温度可达百万度甚至千万度，是由稀薄但高能量的等离子体组成。当这些自由电子被附近离子的电场散射时，它们会失去能量并产生光子（free-free emission），这正是日冕极紫外和软X射线辐射的源头。因此，我们可以通过极紫外和软X射线波段来观察和分析日冕结构。
过去十年中，全天候对日冕进行监控主要依赖于SDO/AIA在六个不同极紫外波段（171, 193, 211, 335, 131, 和94埃）每12秒全天面成像。而Hinode/XRT则仅在特定时间对全天面的软X射线进行少量观测。
该团队采用了一种称为卷积神经网络的人工智能模型，将AIA数据与XRT数据相结合，以建立一个从极紫外到软X射线的映射模型。这项工作显示，该模型能够生成与实际观测一致的虚拟软X射线数据，从而解决了当前缺乏足够观测资料的问题。此方法比传统方法更快、更精确，并且对于含有高温度等离子体（超过500万K）的区域尤其有效。此技术不仅提高了我们的理解力，还为未来太阳物理研究提供了新的视角。
