太陽表面の乱流運動を深層学習でとらえる
【2022年3月3日 総合研究大学院大学】
太陽のような恒星の表面では、熱は物質の対流によって内側から外へと運ばれている。高温な恒星ではガスは電気を帯びたプラズマになっており、その流れは磁場に作用することで大気上層のコロナを加熱する役割も担う。そうしたプラズマの流れは激しく乱れた「乱流」の状態であり、場所ごとに異なる速度で3次元的に運動している。
乱流のメカニズムを知る上で、こうしたプラズマの3次元的な速度分布を測定することが必要とされている。このとき、私たちの視線に沿った鉛直方向の速度は、プラズマがこちらに近づいていれば波長が短くなり遠ざかっていれば伸びるドップラー効果を利用して計測できる。しかし、水平方向の運動を直接測定する手段はなかった。撮影した表面画像の変化からは、対流が作る直径約1000kmの模様である粒状斑よりも大きなスケールでの運動しか推定できない。
総合研究大学院大学・国立天文台の石川遼太郎さんたちの研究チームは、深層学習(ディープラーニング)の技術で乱流運動を推定する新たな手法を開発した。この手法を使えば、観測可能な鉛直方向の運動および表面温度を元に、水平方向の運動を推定できるようになり、プラズマの乱流を3次元で把握可能となるという。
石川さんたちは太陽の熱対流を模した3種類の数値シミュレーションから多様な乱流データを生成し、このデータを現在画像認識で幅広く使われている技術である「畳み込みニューラルネットワーク」を通して深層学習を行った。これにより、観測可能な情報から水平方向の運動を高速で推定できるようになった。
さらに、対象とする空間の大きさによって速度の推定精度がどのように変わるかを分析する手法も開発した。空間スケールが小さいほど、推定精度も低くなる傾向にあるが、その要因が、典型的な対流のサイズよりも小さな乱流の構造にあることも突き止められた。今後はこれを手がかりに、手法を改良することが期待される。
〈参照〉
- 総合研究大学院大学:深層学習で乱流の隠れた構造に迫る -太陽とプラズマの乱流研究に新たな展開-
- Astronomy & Astrophysics:Multi-scale deep learning for estimating horizontal velocity fields on the solar surface 論文
関連記事
- 2024/09/05 ブラックホール周囲の降着円盤の乱流構造を超高解像度シミュレーションで解明
- 2024/04/02 太陽の極は赤道に比べて7℃暖かい、「傾圧不安定波」の観測から判明
- 2023/12/22 2024年1月1日 初日の出
- 2023/12/11 100年前の黒点観測記録が太陽活動の長期変動の研究に貢献
- 2023/09/06 インド、初の太陽観測衛星の打ち上げに成功
- 2023/06/29 太陽の熱対流が磁場をねじり、フレアを起こす
- 2023/05/10 太陽フレアが生命の材料を作った可能性
- 2023/01/16 太陽黒点を自動で数える新手法
- 2023/01/11 一人で40年、世界屈指の安定性を誇る太陽観測記録
- 2022/11/22 実験室でミニチュア太陽フレアを生成
- 2022/09/20 太陽磁場の反転現象「スイッチバック」の謎を解明
- 2022/08/17 ガイアのデータで描く太陽の未来
- 2022/07/08 太陽コロナを効率的に加熱するマイクロフレア
- 2022/03/24 太陽型星では大気の加熱メカニズムは普遍的
- 2022/03/07 太陽コロナの特殊なイオンを実験室で生成
- 2021/12/24 1957-8年、太陽活動が観測史上最大級の時期のオーロラ国内観測記録
- 2021/12/15 若い恒星のスーパーフレアに伴う物質の噴出を初検出
- 2021/09/27 過去の記録からダルトン極小期の太陽活動が明らかに
- 2021/09/22 「富岳」、太陽の自転周期を再現することに成功
- 2021/03/17 17世紀初頭、太陽活動の周期は16年まで延びていた