他们就可以确定这种意想不到的科学加热循环是如何工作的。鸣谢:卢克·麦克马伦/美国宇航局太阳动力学观测站

AI在研究了一组来自IRIS的更高分辨率图像后生成的日冕雨深度假图像 。

为了知道有多少雨 ，工智必须从无数的像解其他太阳物质中分离出来观察。而且机器学习技术的太阳快速发展和实施与这些观察相结合 ，大多数对太阳雨的气层观测是由美国宇航局太阳动力学天文台上的大气成像组件(AIA)进行的 。但是科学每个过程对总热量的贡献仍然是未知的。并成为我们科学武库中的家使一个主要工具。鸣谢:卢克·麦克马伦/美国宇航局太阳动力学观测站

为了解决这个问题  ，工智如果科学家能够发现有多少日冕雨落在太阳上 ，像解

NASA太阳动力学天文台上的大气成像组件(AIA)拍摄的日冕雨等离子体投影的原始图像
。是气层诺森比亚大学和伯尔尼大学合作的一部分 。“雨”似乎只是科学由磁力线重连产生的。”该项目的家使首席研究员卢克·麦克马伦说。显示了较热物质造成的工智模糊 。
解开这个谜团的关键似乎在于被称为“日冕雨”的美丽现象——向外投射并落回太阳大气上游的较冷等离子体环。然而 ，这项研究发表在本周的国家天文学会议上 ，”
人工智能生成的同一日冕雨的deepfake图像 ，创建“深度假像” ，识别这种雨对于加深我们对太阳基本热力学的理解至关重要 。然后增强更丰富、太阳物理学家一直试图了解太阳大气上游(日冕)出人意料地比接近表面的层更热的方式和原因。在具有虹膜清晰分辨率的大量AIA中，美国宇航局太阳观测卫星接口区域成像光谱仪(IRIS)拍摄的替代图像更清楚地显示了降雨，有证据表明这两种情况都在发生 ，需要一组金发姑娘图像。让天文学家了解太阳大气中有多少冕雨
，
“我们生活在太阳能研究的黄金时代
，日冕雨圈更加清晰可见。来自诺森比亚大学的研究人员卢克·麦克马伦训练了一种人工智能机器学习算法 ，但只能捕捉有限的视野。质量更低的AIA图像 ，以研究高清虹膜图像，
80多年来，鸣谢:卢克·麦克马伦/美国宇航局太阳动力学观测站

美国宇航局太阳动力学天文台上的大气成像组件(AIA)拍摄的日冕雨圈的原始图像，使我们能够找到困扰社区几十年的问题的答案。科学家们已经将其缩小到两个可能的原因:通过等离子体中的波耗散或通过磁力线的高能重连来加热 。我们预计观察和机器学习之间的这种合作只会越来越深入，这些图像中的雨经常被较热的物质遮挡
。并随后解决其不寻常的热分层之谜
。分辨率更清晰。“我们不仅获得了比以往更多的太阳大气高分辨率图像
，鸣谢:卢克·麦克马伦/美国宇航局太阳动力学观测站
（神秘的地球uux.cn）据皇家天文学会（Gurjeet Kahlon）：太阳科学家正在使用deepfake人工智能图像来揭开太阳大气的奥秘。