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，展开了太阳观测与人工智能学习的交叉学科合作。他们利用深度学习方法，对日冕软X射线波段进行预测，这项工作基于SDO/AIA极紫外成像数据首次实现，并在国际顶尖期刊《天体物理学杂志》上发表了论文“Mapping Solar X-Ray Images from SDO/AIA EUV Images by Deep Learning”。

日冕是太阳大气最外层，由高温且稀薄的等离子体构成。在这个过程中，自由电子通过散射被附近离子的电场损失动能并产生光子（free-free emission），这是极紫外波段和软X射线波段辐射的主要来源。

过去十年，全日面日冕探测主要依赖于SDO/AIA对六个极紫外波段每12秒全天候成像，而Hinode/XRT则仅在几个固定的时刻对少量区域进行软X射线成像。

本次研究采用卷积神经网络模型，将AIA 6个波段数据映射至XRT软X射线数据，以建立一个新的观测模型。这一模型能够生成与真实观测一致的虚拟数据，从而解决了当前缺乏全天候软X射线观测的问题。相比传统方法，该方法更为便捷、高效且精确。

此外，该预测结果结合实际观測得出的DEM反演，更为精准地揭示了具有五百万度以上温度等离子体特征。此技术未来可能成为某些太阳物理分析，如日冕结构热分布，为提供辅助数据服务。

该项目获得国家自然科学基金重点项目、面上项目以及科技部重大项目支持，并由国家天文科学数据中心提供技术服务。