偏振反演
一条 Stokes 谱线是指纹,磁场、温度、速度缠在一起。我写反演程序把它们拆开:GPU 上批量求解的 Milne–Eddington、基于节点的非线性最小二乘,以及现在能一次给出整层大气的物理信息网络。
五条线索,同一个问题在五个高度上追问:太阳大气里的磁场在做什么,我们又凭什么知道。
一条 Stokes 谱线是指纹,磁场、温度、速度缠在一起。我写反演程序把它们拆开:GPU 上批量求解的 Milne–Eddington、基于节点的非线性最小二乘,以及现在能一次给出整层大气的物理信息网络。
反演的代价高,因为它是迭代的。用辐射转移解训练出来的网络并不取代物理,它让物理变得便宜:不必逐像素迭代,也能给出整个视场。
光球给出边界条件,日冕给出后果。外推把测得的表面磁场抬进上方的三维空间:经典做法是无作用力场,现在也可以用物理约束的 GAN 来学。
模拟只有能被观测才算有用。我用实测磁场约束全球日冕的 MHD 模型,再合成仪器会看到的样子,让模型与观测在同一套单位里比较。
日冕环会振荡,周期里藏着密度、场强和几何。空间地震学把振荡反推回这些参数:一种用时间而不是用光做的测量。
PI2NN。物理信息网络,按闭环方式训练:Milne–Eddington 正演把网络自己的输出再变回谱,损失因此在 Stokes 空间而不是参数空间里度量。它给的是一层初值大气,随后由经典反演精修。
SPOT。算子 Transformer:Stokes IQUV 进入,经两个傅里叶神经算子模块与四个 Transformer 模块,再由深度解码器输出八组参数。一次前向传播取代逐像素迭代。
Chen et al. 2026, A&A 710, A227
十篇里选五篇,选的是它们对方法的说明力。完整记录共 11 篇(2021–2026,其中 4 篇第一作者),附摘要与 BibTeX。
图版 IV日冕环
示意图,不是观测:一组立在日面边缘的环,按外推磁场应有的几何画出。PF2nlfff 要做的,正是从光球边界把它们还原出来。
论文背后的代码,以及写论文时让文献保持可读的小工具。
用于 Stokes IQUV 光谱合成与反演的 PyTorch 库,带一个预训练的神经算子求解器。
GPU 批量求解太阳 Stokes 谱线的 Milne–Eddington 反演,含梯度偏置退火与物理信息网络。
物理增强的 GAN,把光球边界外推成三维无作用力磁场。
agent 技能:盯住指定的 arXiv 分区,把相关的新论文归档进三级 Zotero 目录。
agent 技能:把 Zotero 里的 PDF 变成带图的 Markdown 精读笔记,镜像进 Obsidian 库。
把 Overleaf 工作台嵌成 DeepSeek Harness Web 的第四个标签页,支持引用选区与光标插入。
其余内容,包括 agent 技能与编辑器插件,都在 GitHub 上。
我研究太阳物理,工作在观测与模型之间。仪器测量的是偏振;大气回以磁场、温度和视向速度。我要做的一切,就是从前者走到后者,路上不丢掉物理。
我是南京大学天文与空间科学学院的直博生,日冕地震学的工作从那里开始;同时是奥斯陆大学 Rosseland 太阳物理中心的客座研究员,在那里做反演、外推和辐射合成,服务于数据约束的日冕 MHD 模型。
代码是公开的:反演有 SPOT 与 CuSP,外推有 PF2nlfff。一个诊断方法的可复现性不会超过产生它的代码,而最快被纠正的办法,就是把工具公开。