太陽活動區(qū)是耀斑和日冕物質(zhì)拋射等爆發(fā)活動的主要源區(qū)，其黑子群磁結構的復雜程度與耀斑發(fā)生概率相關，因此準確識別活動區(qū)磁類型是空間天氣預報中的基礎問題。近日，中國科學院國家空間科學中心團隊結合深度學習方法與太陽物理先驗知識，構建了太陽活動區(qū)磁類型識別模型ViT-CNN-R，提升了自動識別活動區(qū)的磁類型能力。

　　科研人員利用SDO/HMI磁圖和黑子圖作為雙通道輸入，通過Vision Transformer提取活動區(qū)磁結構的整體形態(tài)特征，通過卷積神經(jīng)網(wǎng)絡捕捉磁極分布和中性線等局部細節(jié)信息，同時將中性線區(qū)域的總無符號磁通量R值作為物理約束輸入模型，從而在統(tǒng)一框架中融合全局結構、局部特征與物理信息，實現(xiàn)對太陽活動區(qū)磁類型的高精度自動識別。這種“數(shù)據(jù)驅(qū)動+物理約束”的方法不僅提高了模型識別能力，還增強了模型結果的物理可解釋性。

　　實驗表明，該模型在三類活動區(qū)磁類型識別中均取得較高精度，整體分類準確率為0.846，TSS達到0.765，尤其是對復雜磁結構Beta-x型的識別準確率達到0.9。團隊還利用我國“夸父一號”衛(wèi)星自主數(shù)據(jù)對模型進行跨數(shù)據(jù)源測試。結果表明，該模型能夠保持較好的識別性能，特別是在復雜活動區(qū)中展現(xiàn)出良好的泛化能力，這為我國自主數(shù)據(jù)的應用與智能分析提供了技術支撐。

　　相關研究成果發(fā)表在《天體物理學雜志增刊系列》上。研究工作得到國家自然科學基金和中國科學院戰(zhàn)略性先導科技專項等的支持。