日冕作为太阳大气的最外层，由十分稀薄的、温度高达百万摄氏度甚至千万摄氏度的等离子体组成。日冕中的自由电子被附近离子的电场散射，通过自由—自由跃起损失动能并辐射光子。这一物理过程是日冕极紫外波段和软X射线波段辐射的主要来源。人们因此可在极紫外波段和软X射线波段对日冕等离子体结构进行成像探测。

近10年，全日面日冕的探测主要来源于极紫外波段的成像观测，由空间卫星SDO的太阳大气成像仪AIA每12秒在6个极紫外波段同时进行全日面成像。而另外一台卫星Hinode的软X射线望远镜XRT每天只在几个固定的时刻对日冕进行少量的全日面软X射线波段成像。

近期，云南天文台研究人员开展了太阳观测分析与人工智能学习的学科交叉研究。他们采用一种机器深度学习方法——人工智能卷积神经网络，统计分析配对数据，建立了观测的映射模型。

研究表明，这个模型能构造出与真实观测一致的软X射线数据，该方法比传统方法利用极紫外日冕观测反演日冕微分辐射测量再预测软X射线观测更便捷、更精确。结合由该方法预测的软X-射线虚拟数据和实际观测的日冕极紫外数据，可以对日冕微分辐射测量作更为精确的反演，尤其是针对500万摄氏度以上高温等离子体的日冕特征。未来，由机器学习虚拟的多波段观测可能为日冕结构热分布等具体的太阳物理分析提供数据辅助。

(原载于《科技日报》 2021-07-22 01版)