利用物理信息神经网络研究太阳中非线性淬火效应对极场积累的影响
Gemini AI生成的图像
一项新研究利用物理信息神经网络（PINN）分析太阳动力学的行为，重点研究倾斜淬火（TQ）和纬度淬火（LQ）对太阳极地场和太阳周期幅度的影响。研究人员通过调整传输参数发现，TQ抑制随着扩散率的增加而增强，而在以对流为主的条件下，LQ则占主导地位。这项研究进一步完善了TQ与LQ对偶极子形成影响之间的关系，提高了对太阳周期的预测准确性。与传统模型相比，PINN能够显著降低错误率，并更有效地捕捉非线性趋势，成为未来太阳周期预测的有力工具。
利用先进神经网络对太阳磁场动态的新见解
最近的研究揭示了太阳发电机机制的关键见解，重点关注倾斜抑制（TQ）和纬度抑制（LQ）对极地场建立的非线性反馈效应。这项研究利用物理信息神经网络（PINN）来加深对这些过程的理解，这对于预测未来的太阳周期至关重要。
方法论与发现
研究涉及系统性地改变传输参数，以隔离TQ和LQ对极地偶极子建立的贡献。关键发现表明：
- 随着扩散性增强，TQ抑制效应加剧。
- LQ在以对流为主的场景中是主要因素。
- LQ与TQ的贡献比率（$ΔD_{\mathrm{LQ}}/ΔD_{\mathrm{TQ}}$）与发电机效能范围呈反平方关系，增强了之前经验拟合的准确性。
此外，研究强调，由于训练过程的高效性，在PINN设置中不需要衰减项。将传统的1D SFT模型与PINN框架进行比较，揭示后者在误差指标上显著更低，并更强地恢复非线性趋势。
对太阳周期预测的影响
这些结果强调了LQ和TQ之间复杂的相互作用，解释了观察到的弱强太阳周期交替现象。研究结果使PINN成为太阳物理学中预测太阳周期的一个有前景的工具。
相关主题：
物理信息神经网络太阳极地磁场非线性反馈倾斜淬火纬度淬火
📰 原始来源： https://arxiv.org/abs/2602.16656v1
所有权利和署名均属于原出版商。