BT2PB: High-cadence polarized brightness of the solar corona from LASCO C2 total brightness observations using deep learning
تقدم هذه الورقة نموذج BT2PB، وهو نموذج تعلم عميق يستخدم شبكة عصبية تلافيفية تم تدريبها على عقود من بيانات LASCO C2 للتنبؤ بالسطوع المستقطب (pB) عالي التردد من ملاحظات السطوع الكلي (Bt)، مما يتيح دراسات جديدة عالية الدقة الزمنية للديناميكيات الإكليلية الشمسية ويحسن تقديرات الكتلة لأحداث مثل الانبعاثات الكتلية الإكليلية.
إن الشمس ليست مجرد كرة ثابتة من النار؛ بل هي نجم ديناميكي هائج محاط بغلاف جوي يمتد لملايين الأميال في الفضاء. هذه الطبقة الخارجية، المعروفة باسم الإكليل (الكورونا)، هي غاز رقيق من الجسيمات شديدة السخونة التي تتدفق باستمرار بعيدًا عن الشمس، حاملة معها حقولًا مغناطيسية وطاقة يمكن أن تعطل الأقمار الصناعية وشبكات الطاقة على الأرض. ولفهم هذا الغلاف الجوي والتنبؤ بمتى قد ينفجر، يحتاج العلماء إلى قياس كثافته وبنيته بدقة عالية. ومع ذلك، فإن النظر إلى الإكليل يشبه محاولة رؤية لهب شمعة خافت بجانب كشاف ضوئي مبهر. فالضوء الذي نراه من الإكليل هو مزيج من شيئين: الغاز المتوهج الفعلي الذي نريد دراسته، وخلفية ضبابية ساطعة ناتجة عن تشتت ضوء الشمس عن الغبار والضوء الشارد المنعكس من التلسكوب نفسه.
لعقود من الزمن، كان جهاز "لاسكو" (LASCO) - وهو أداة قياس الإكليل واسعة الزاوية والطيفية الموجودة على متن مركبة "سوهو" الفضائية - يراقب هذا الغلاف الجوي الشمسي. يقوم الجهاز بالتقاط نوعين من الصور. النوع الأول، المسمى "السطوع الكلي"، يتم التقاطه بشكل متكرر للغاية، عشرات المرات في اليوم. هذه الصور ساطعة وواضحة، وتظهر شكل الانفجارات الشمسية أثناء حدوثها، لكنها ملوثة بتلك الخلفية الضبابية الساطعة، مما يجعل من الصعب قياس الكثافة الحقيقية للغاز. أما النوع الثاني، وهو "السطوع المستقطب"، فهو أكثر نقاءً بكثير؛ فمن خلال استخدام مرشحات خاصة تحجب ضوء الخلفية الضبابي، تكشف هذه الصور عن البنية الحقيقية للإكليل. تكمن المشكلة في أن هذه الصور النقية تُؤخذ على فترات متباعدة جدًا، ربًا مرة أو مرتين فقط في اليوم. وهذا البطء في الوتيرة يعني أن العلماء غالبًا ما يفوتون التغيرات السريعة في الإكليل أو لا يستطيعون بناء خريطة ثلاثية الأبعاد كاملة له، بسبب افتقارهم إلى عدد كافٍ من اللقطات لملء الفجوات.
لقد طور فريق من الباحثين في جامعة "أبيريستويث" طريقة جديدة لسد هذه الفجوة. فقد أنشأوا برنامجًا حاسوبيًا يعتمد على التعلم العميق، وهو نوع من الذكاء الاصطناعي الذي يتعلم من خلال دراسة كميات هائلة من البيانات. تم تدريب البرنامج، الذي أطلق عليه اسم (BT2PB)، على آلاف الأزواج من الصور الملتقطة على مدار الخمسة وعشرين عامًا الماضية. فلكل زوج، درس البرنامج صور "السطوع الكلي" "المتسخة" وصورتها المقابلة من "السطوع المستقطب" "النقي" التي التُقطت في وقت متقارب جدًا. ومن خلال تحليل هذه الأمثلة، تعلم الكمبيوتر التعرف على الأنماط الدقيقة التي تميز غاز الإكليل الحقيقي عن ضوضاء الخلفية. لقد تعلم كيف ينظر إلى صورة متكررة ومليئة بالضجيج ويتنبأ بما سيكون عليه شكل النسخة النقية عالية الجودة لو تم التقاطها في تلك اللحظة تحديدًا.
عندما اختبر الباحثون هذه الأداة الجديدة، وجدوا أنها تعمل بشكل جيد للغاية. نجح البرنامج في تحويل الصور المتكررة والمليئة بالضجيج إلى تنبؤات نظيفة وعالية الجودة للسطوع الحقيقي للإكليل. وفي المتوسط، كانت التنبؤات دقيقة بنسبة تتراوح بين ثمانية إلى اثني عشر بالمائة من القياسات الفعلية. وأشار الباحثون إلى أن بعض هذا الخطأ الطفيف لم يكن ناتجًا عن خطأ من الكمبيوتر، بل من الضوضاء المتأصلة في الصور الفيزيائية الحقيقية المستخدمة في الاختبار، والتي غالبًا ما تكون محببة وغير مثالية. وحتى مع هذا القصور، فإن التحسن يعد كبيرًا. تتيح هذه الأداة للعلماء توليد رؤية عالية الجودة للإكليل بنفس وتيرة التقاط التلسكوب للصور، أي عشرات المرات في اليوم، بدلًا من الانتظار للحصول على اللقطات النقية النادرة.
تفتح هذه القدرة آفاقًا جديدة لدراسة الشمس. فبما أن البرنامج يمكنه توفير تدفق مستمر من البيانات النقية، يمكن للعلماء الآن تتبع الأحداث سريعة الحركة، مثل الانفجارات الهائلة للغاز والمجالات المغناطيسية، بمستوى من التفصيل كان مستحيلاً في السابق. كما يمكنهم أيضًا استخدام هذه الصور المتكررة عالية الجودة لبناء خرائط ثلاثية الأبعاد للغلاف الجوي الشمسي، وهي تقنية تسمى التصوير المقطعي (tomography)، والتي تتطلب العديد من الملاحظات من زوايا مختلفة عبر الزمن. في السابق، كان البطء في وتيرة الصور النقية يعني أن هذه الخرائط غالبًا ما تكون غير مكتملة أو يستحيل إنشاؤها لفترات طويلة. أما الآن، ومع القدرة على توليد بيانات نظيفة عند الطلب، يمكن للباحثين دراسة بنية الشمس وسلوكها بوضوح وسرعة تقربنا أكثر من فهم كيفية تأثير نجمنا على الفضاء المحيط بنا.
ملخص تقني: BT2PB – السطوع المستقطب عالي التردد للغلاف الشمسي من ملاحظات السطوع الكلي لـ LASCO C2 باستخدام التعلم العميق
بيان المشكلة قدمت أداة LASCO C2، وهي كوريونوغراف (مقياس إكليل الشمس) ذو زاوية واسعة موجودة على متن مرصد الشمس والهيليوسفير (SOHO)، ملاحظات مستمرة للغلاف الشمسي لأكثر من ثلاثة عقود. وبينما تجمع LASCO C2 عشرات ملاحظات السطوع الكلي (Bt) يومياً، إلا أن هذه الصور تحتوي على مزيج من الكورونا المستقطبة K-corona (Bk)، وكورونا F-corona غير المستقطبة، والنجوم الخلفية، والضوء الشارد الناتج عن الأجهزة. وبناءً على ذلك، فإن بيانات Bt غير صالحة للعلوم الكورونية الكمية، مثل انعكاس الكثافة أو تقدير الكتلة، دون معايرة دقيقة وطرح للخلفية.
في المقابل، تنتج LASCO C2 ملاحظات السطوع المستقطب (pB) التي تعزل الكورونا K عبر كبح مكونات F-corona والضوء الشارد. ومع ذلك، يتم الحصول على ملاحظات pB عادةً مرة أو مرتين فقط في اليوم. هذا التردد المنخفض يمنع الدراسات الزمنية عالية الدقة للأحداث الديناميكية (مثل الانبعاثات الكتلية الإكليلية - CMEs)، ويحد من فعالية التصوير المقطعي للكورونا (Coronal Tomography)، الذي يتطلب أخذ عينات زمنية كثيفة لإعادة بناء الهياكل ثلاثية الأبعاد للكثافة. وتعتمد الطرق الحالية لاستخراج Bk من Bt غالباً على نمذجة خلفية معقدة ومكلفة حاسوبياً عبر نوافذ زمنية طويلة، مما يصبح أمراً مرهقاً أثناء مناورات دوران المركبة الفضائية.
المنهجية يقدم المؤلفون BT2PB، وهو إطار عمل لشبكة عصبية تلافيفية (CNN) مصمم لتقدير pB مباشرة من ملاحظات Bt، مما يؤدي فعلياً إلى زيادة تردد البيانات المستقطبة المعايرة لتتطابق مع معدل الاستحواذ عالي التردد لـ Bt.
إعداد البيانات: تم تدريب النموذج على 24,161 زوجاً من الملاحظات المتزامنة لـ Bt و pB من LASCO C2 التي جُمعت بين يناير 2000 ومارس 2025. تم تصفية البيانات لضمان التقارب الزمني (ضمن 30 دقيقة) وتكوينات الأجهزة المحددة (المرشح البرتقالي).
تمثيل المدخلات: بدلاً من معالجة صور 2D كاملة، تعمل الشبكة على ملفات تعريف السطوع 1D المستخرجة عند 30 مسافة هليوسنترية (موزعة لوغاريتمياً بين $2.3و6.0 R_\odot$) و360 زاوية موضعية. يتم إعادة أخذ عينات هذه الملفات إلى 128 فئة لزاوية الموضع.
الكمية المستهدفة: يتنبأ النموذج بالنسبة اللوغاريتمية R=log10(pB/Bt) بدلاً من pB مباشرة. هذه الصيغة تعمل على استقرار التدريب عبر النطاق الديناميكي الواسع لقيم السطوع. يتم إعادة بناء pB النهائي عبر pB=10log10(Bt)+R.
بنية الشبكة: النموذج عبارة عن CNN أحادي البعد (1D CNN) يتكون من:
مشفر (Encoder): يحتوي على طبقتين تلافيفتين (1D).
كتل متبقية (Residual Blocks): أربع كتل (ResBlock1D) لتنقية الميزات.
حقن البيانات الوصفية (Metadata Injection): يتم إسقاط متجه بيانات وصفية مكون من 8 عناصر (يشمل زاوية دوران المركبة الفضائية، المسافة الهليوسنترية، خط العرض الهليوجرافي، وزمن التعرض) عبر شبكات عصبية متعددة الطبقات (MLPs) وإضافته إلى تنسور الميزات. يسمح هذا للشبكة بمراعاة التأثيرات المتغيرة زمنياً للأجهزة والمدارات.
مفكك تشفير (Decoder): يقوم بإسقاط الميزات مرة أخرى إلى شكل المخرجات.
جزاء مستند إلى الفيزياء (Physics-Informed Penalty): يوجد حد جزاء يعاقب التنبؤات غير الفيزيائية حيث يكون pB>Bt (أي R>0).
التدريب: تم تدريب الشبكة على 17,099 زوجاً باستخدام محسن AdamW مع دالة خسارة مركبة (خطأ متوسط مربعات MSE على R بالإضافة إلى جزاء الفيزياء). تم إجراء التدريب على وحدة معالجة مركزية (CPU) مكتبية قياسية، ووصل إلى التقارب في حوالي 73 حقبة (epoch).
النتائج الرئيسية
الدقة: في مجموعة اختبار محجوزة مكونة من 2,279 زوجاً تغطي دورتين شمسيتين، يحقق النموذج خطأ متوسط مطلق (MAE) يبلغ حوالي 8-12% في التنبؤ بـ pB عبر ارتفاعات هليوسنترية تتراوح من $2.3إلى6.0 R_\odot$.
تفكيك الخطأ: يقدر المؤلفون أن حوالي 4% من إجمالي الـ MAE ناتج عن الضوضاء والعيوب المتأصلة في بيانات pB المرصودة (المستخدمة كحقيقة أرضية)، وليس بسبب فشل النموذج. وبالتالي، يُقدر الخطأ المنسوب فقط لتنبؤ BT2PB بنحو 4-8%.
الاعتماد على الدورة الشمسية: يختلف الأداء قليلاً مع الدورة الشمسية، حيث لوحظت أخطاء أقل عموماً خلال الحد الأدنى من النشاط الشمسي، لا سيما في مناطق الستريمر (Streamer) الاستوائية.
المتانة تجاه الدوران (Roll): يتعامل النموذج بفعالية مع مناورات دوران المركبة الفضائية بزاوية 180 درجة. تشير دراسات الاستئصال (Ablation studies) إلى أن الشبكة تتعلم ضمناً حالة الدوران من عدم تناظر أنماط الضوء الشارد في ملفات Bt، مما يجعل مساهمة البيانات الوصفية لزاوية الدوران ضئيلة (+0.18% زيادة في MAE عند إزالتها).
دراسات الحالة: تظهر المقارنات البصرية لكل من ظروف الحد الأقصى للشمس (2012) والحد الأدنى (2008) توافقاً ممتازاً في البنية الكورونية، حيث يلتقط pB المتنبأ به الميزات الرئيسية والستريمرز، رغم أن النموذج ينتج نتائج أكثر سلاسة من pB المرصود المليء بالضوضاء.
الأهمية والتطبيقات يزعم البحث أن BT2PB يتيح قدرات علمية جديدة لمجموعة بيانات LASCO C2 الحالية دون الحاجة إلى أجهزة جديدة أو نمذجة خلفية معقدة:
الدراسات الديناميكية عالية التردد: من خلال تحويل ملاحظات Bt المتكررة إلى pB معايرة، تسمح هذه الطريقة بالتحليل عالي الدقة الزمنية للأحداث الديناميكية مثل CMEs، والتي غالباً ما تُفقد بسبب التردد المنخفض الأصلي لـ pB.
تحسين تقديرات الكتلة والكثافة: يسهل التردد الزمني الأعلى إجراء تقديرات أكثر موثوقية لكتلة الأحداث الديناميكية ويحسن تشخيصات كثافة الكورونا.
التصوير المقطعي للكورونا (Coronal Tomography): يوضح المؤلفون تطبيقاً حيث تُستخدم بيانات pB الناتجة عن BT2PB (320 صورة على مدار 14 يوماً) كمدخل لوحدة تصوير مقطعي (CorTom-ML). يوفر هذا خرائط كثافة ذات تغطية كاملة، وهو أمر كان مستحيلاً باستخدام تردد pB الأصلي (14 صورة فقط).
الكفاءة التشغيلية: تتميز الطريقة بكفاءة حاسوبية، حيث تتطلب دقائق فقط للتدريب على وحدة معالجة مركزية (CPU) قياسية، وتوفر بديلاً مبسطاً لتقنيات طرح الخلفية طويلة الأمد.
يخلص المؤلفون إلى أن BT2PB يوفر مساراً عالي الكفاءة لفتح المجال أمام بيانات السطوع المستقطب المعايرة وعالية التردد الزمني من عقود من ملاحظات LASCO C2 Bt، مما يدعم كلاً من البحث العلمي والتنبؤ العملياتي بالطقس الفضائي.