Optimization Algorithm for Determining the Source Surface Radius Based on Parker Solar Probe in situ Measurements from Encounters 1 to 19

Resumo Técnico: Algoritmo de Otimização para Determinação do Raio da Superfície de Fonte Baseado em Medições in situ da Sonda Solar Parker

Definição do Problema
A extrapolação de Campo Potencial de Superfície de Fonte (PFSS) é um método padrão para estimar o campo magnético coronal de grande escala a partir de magnetogramas fotossféricos. Um parâmetro crítico neste modelo é o raio da superfície de fonte ($R_{ss}$), a fronteira esférica onde o campo magnético torna-se assumido como radial. Embora $R_{ss} = 2,5 R_s$ seja uma referência convencional, estudos anteriores indicam que um valor único não pode satisfazer universalmente todas as restrições observacionais (ex: extensão de buracos coronais, fluxo magnético aberto e polaridade magnética). Sabe-se que o $R_{ss}$ ótimo varia com a atividade solar, mas determinar um valor rigoroso e observacionalmente restrito permanece um desafio. Este artigo aborda o problema inverso de determinar o $R_{ss}$ ótimo minimizando a discrepância entre as extrapolações PFSS e as medições de campo magnético in situ, utilizando especificamente dados da Sonda Solar Parker (PSP) durante os Encontros 1–19.

Metodologia
Os autores abordam a determinação do $R_{ss}$ como um problema de otimização de forma dentro de uma estrutura de fronteira livre.

1. Formulação Matemática:

   • O problema PFSS direto é formulado como um problema de valor de contorno elíptico de segunda ordem com condições mistas de Dirichlet e Neumann. Os autores provam a boa colocação (existência e unicidade) da solução direta no espaço de Sobolev $H^1(\Omega)$.
   • O problema inverso é formulado como a minimização de um funcional objetivo sobre um conjunto admissível de domínios. Os autores provam a compacidade do conjunto admissível e a continuidade do funcional objetivo, estabelecendo assim a existência de um mínimo global para o problema inverso. Estas provas aplicam-se tanto a geometrias de superfície de fonte esféricas quanto não esféricas.

2. Dados e Pré-processamento:

   • Entradas: Magnetogramas fotossféricos sinópticos do Global Oscillation Network Group (GONG) servem como a condição de contorno interna.
   • Observações: Campo magnético radial ($B_r$) e velocidade do vento solar radial ($v_r$) da PSP (instrumentos FIELDS e SWEAP) para os Encontros 1–19.
   • Processamento: Os dados da PSP passam por remoção de outliers (critério de Intervalo Interquartil) e média temporal (cadência de 20 minutos). Lacunas na velocidade do vento solar são preenchidas via interpolação linear para permitir o mapeamento reverso da espiral de Parker contínuo.
   • Validação: Medições in situ independentes do Advanced Composition Explorer (ACE) próximo a 1 UA são utilizadas para validação cruzada.

3. Algoritmo de Otimização:

   • Funcional Objetivo: O algoritmo minimiza o Erro Quadrático Médio (MSE) entre o $B_r$ observado da PSP e o $B_r$ previsto pelo PFSS. A previsão PFSS é derivada rastreando a posição da espaçonave de volta à superfície de fonte ao longo das espirais de Parker, amostrando o campo PFSS e escalonando radialmente para a distância da espaçonave ($r^2 B_r = \text{constante}$).
   • Normalização: Para remover diferenças de amplitude dependentes do encontro, tanto os campos observados quanto os modelados passam por normalização Z-score antes do cálculo do MSE.
   • Solver: Um esquema iterativo baseado em gradiente (Algoritmo 1) é empregado. O gradiente é aproximado usando diferenças finitas centradas. O algoritmo itera até a convergência ou até atingir um número máximo de iterações.
   • Validação: O algoritmo é validado contra uma solução de campo potencial analítica e dados sintéticos com ruído Gaussiano adicionado, demonstrando a capacidade de recuperar um $R_{ss}$ prescrito.

4. Análise Multiobjetivo:

   • Para compreender os trade-offs, os autores introduzem duas métricas adicionais: o fator de escala do campo magnético ($\alpha_k$, relacionado ao fluxo aberto) e a precisão de previsão de polaridade ($P^k_a$).
   • Uma análise de Pareto (Algoritmo 2) é realizada para identificar a fronteira de Pareto entre o objetivo de MSE e o erro de previsão de polaridade. Isso quantifica se a otimização é impulsionada principalmente pelo acordo de amplitude ou pela precisão da polaridade.

Principais Resultados

• Tendência do $R_{ss}$ Ótimo: Os valores de $R_{ss}$ otimizados para os Encontros 1–19 da PSP geralmente aumentam do mínimo solar para a fase ascendente do Ciclo Solar 25. Esta tendência é corroborada por dados independentes da ACE.
• Comparação com Referência: Comparado à referência fixa $R_{ss} = 2,5 R_s$, as soluções otimizadas mostram, em geral, melhor concordância com as amplitudes de campo magnético observadas (reduzindo a discrepância do fluxo aberto) enquanto preservam ou melhoram a precisão da previsão de polaridade magnética.
• Mínimo Solar vs. Fase Ascendente:
  • Durante o mínimo solar (encontros iniciais), a otimização é impulsionada principalmente pelo acordo de amplitude (fluxo aberto). Valores mais baixos de $R_{ss}$ são selecionados para aumentar o fluxo aberto modelado para coincidir com as observações.
  • Durante a fase ascendente, as fronteiras de Pareto tornam-se mais agrupadas, indicando que a precisão da previsão de polaridade torna-se a métrica dominante. O $R_{ss}$ ótimo aumenta para capturar melhor as estruturas de setor complexas e reversões de polaridade observadas.
• Desvios Locais: Encontros específicos (ex: 9 e 13) mostram desvios locais da tendência geral. Para o Encontro 13, que cruzou uma Ejeção de Massa Coronal Interplanetária (ICME) complexa, a otimização selecionou um $R_{ss}$ muito baixo ($1,27 R_s$) para capturar inversões de polaridade complexas, destacando as limitações da suposição da espiral de Parker em ambientes perturbados.

Significância e Alegações
O artigo afirma fornecer uma base matematicamente rigorosa para o problema inverso do PFSS, provando a existência de um minimizador único para a estimativa do raio da superfície de fonte. Ao construir um algoritmo de otimização específico validado contra soluções analíticas e dados in situ, o estudo demonstra que o $R_{ss}$ não é uma constante estática, mas um parâmetro dinâmico que evolui com a atividade solar.

Os autores enfatizam que não existe um único "$R_{ss}$ globalmente ótimo"; em vez disso, o valor ótimo depende das restrições observacionais específicas e das métricas de avaliação priorizadas (ex: fluxo aberto vs. polaridade). O estudo destaca uma mudança na métrica dominante do acordo de amplitude durante o mínimo solar para o acordo de polaridade durante a fase ascendente. Além disso, o trabalho reconhece o "problema do fluxo aberto", observando que, embora a otimização melhore o acordo com o fluxo in situ, ela não resolve a discrepância fundamental entre as estimativas de fluxo baseadas em buracos coronais e as medições in situ, sugerindo que melhorias futuras podem exigir melhores observações do campo polar ou modelos coronais mais avançados. O trabalho estabelece um quadro para a futura otimização de forma de superfícies de fonte não esféricas conforme os dados de missões como a Solar Orbiter se tornem disponíveis.