Predicting the thermodynamics in the chromosphere from the translation of SDO data into the IRIS$^{2}$ inversion results using a visual transformer model
SDO2IRIS² 視覺 Transformer 模型將 SDO 衛星常規影像翻譯為色球層熱力學參數，溫度與電子密度相關係數達 0.80，GPU 推理僅需 5 分鐘。
- T 與 n_e 預測在 80% 測試樣本中達強相關（~0.80），v_turb 在 70% 樣本中達中強相關（~0.63），v_los 仍偏弱
- GPU 推理 ≤5 分鐘，較傳統 IRIS² 光譜反演快至少一個數量級，可接入近即時太陽事件監測流程
- 為 SDO 自 2010 年以來積累的十五年全日面存檔資料開闢了無需 IRIS 光譜即可估算色球熱力學的新路徑
不到 5 分鐘，SDO 衛星的常規觀測影像就能被換算成色球層的溫度、電子密度與速度場——研究團隊發表的視覺 Transformer 模型 SDO2IRIS²，讓以往依賴耗時光譜反演才能取得的熱力學參數，首次進入普通 CPU 的計算量級。溫度與電子密度的預測相關係數約 0.80，覆蓋逾 80% 的測試樣本，為太陽大氣研究帶來一個量級的效率躍升。
SDO 影像到色球熱力學：跨儀器「翻譯」的問題意識
太陽色球層（chromosphere，位於光球層上方約 2000 公里的大氣層）的物理狀態，是理解太陽大氣能量傳遞、耀斑觸發與日冕加熱機制的核心資訊。研究者最關注的四個熱力學參數是：溫度（T）、電子密度（n_e）、視線方向速度（v_los，沿觀測者視線的多普勒速度）與湍流速度（v_turb，局部無序運動的速度）。
長期以來，取得這些參數的標準方法是對 IRIS（界面區成像光譜儀，Interface Region Imaging Spectrograph） 觀測到的鎂 II h&k 光譜譜線進行反演計算（inversion），也就是從觀測到的光譜形狀反推大氣物理量。這個流程在計算上相當耗時，且 IRIS 的觀測視野相對有限，並非全時全日面運行。
SDO（太陽動力學觀測台，Solar Dynamics Observatory） 則截然不同：搭載 AIA（大氣成像組件，Atmospheric Imaging Assembly） 以接近全日面解析度持續拍攝多波段強度影像，同時 HMI（日震學與磁場成像儀，Helioseismic and Magnetic Imager） 提供光球層視線方向磁力圖（magnetogram）。SDO 自 2010 年以來幾乎不間斷地累積觀測資料，形成長達十餘年的巨量存檔。SDO2IRIS² 的核心問題就是：能否訓練一個模型，把 SDO 的常規影像直接「翻譯」成 IRIS² 反演才能取得的色球熱力學參數？
視覺 Transformer 作為多模態跨儀器轉換器
模型的輸入由兩類觀測合併而成：AIA 在色球層與過渡區（transition region）波段的多波段強度影像，加上 HMI 提供的視線方向磁力圖。輸出則是色球層的 T、v_los、v_turb 與 n_e 四個熱力學量的空間分佈圖。
訓練標籤（ground truth）直接來自 IRIS² 反演程序對鎂 II h&k 譜線的反演結果——這也是模型命名 SDO2IRIS² 的由來，意即「將 SDO 轉換為 IRIS² 反演結果」。
研究團隊選擇視覺 Transformer（ViT，Vision Transformer） 作為骨幹架構。ViT 相較於傳統卷積神經網路（CNN）的優勢，在於其自注意力（self-attention）機制能捕捉影像中的長程空間相關性，不受局部感受野限制——這對太陽大氣中跨越多個空間尺度的磁場結構與熱力學耦合關係尤為重要。訓練資料由 IRIS 與 SDO 同時觀測並嚴格時空對齊的數據集構成，確保輸入影像與反演標籤的對應性。
相關係數 0.80 的溫度預測，v_los 仍是瓶頸
預測效能因參數而異，呈現清晰的層次差距。
溫度（T）與電子密度（n_e） 的表現最為突出：在約 80% 的測試反演樣本中，預測值與 IRIS² 反演結果的皮爾森相關係數達到 ~0.80，屬於統計意義上的強相關。這意味著在絕大多數情況下，SDO2IRIS² 能可靠地重現色球層的熱結構空間分佈。
湍流速度（v_turb） 的表現次之：在 70% 的測試樣本中達到中等至強相關（~0.63），代表模型能捕捉到色球層湍流強度的空間格局，仍具有統計參考價值。
視線方向速度（v_los） 的預測相關性則偏弱。v_los 本質上是多普勒頻移的度量，反映色球層物質沿視線方向的淨運動速度，對局部的精細磁場結構和瞬時動力學事件高度敏感。SDO 的空間解析度與波段設計並未針對這類速度場資訊做優化，這可能是模型在此參數上表現相對受限的根本原因。
CPU 10 分鐘、GPU 5 分鐘：可接入監測流程的推理效率
執行效率是 SDO2IRIS² 最具實用意義的特性之一。在 CPU 環境下，完成單次全流程推理的時間 ≤ 10 分鐘；使用 GPU 則可壓縮至 ≤ 5 分鐘。對比傳統 IRIS² 反演計算往往需要數小時乃至更長，這代表了至少一個數量級的加速。
5 到 10 分鐘的推理窗口意味著 SDO2IRIS² 原則上可以整合進近即時的太陽事件監測工作流程：在 X 射線耀斑或日冕物質拋射（CME，Coronal Mass Ejection）發生後，快速估算受影響色球區域的熱力學響應，為後續調度 IRIS 或地面光譜儀的精細觀測提供優先參考。研究者也指出，SDO2IRIS² 的預測結果可作為獨立的快速估算，也可與同時段其他色球觀測資料互補整合。
十年 SDO 存檔資料的新分析出口
從更宏觀的視角來看，SDO2IRIS² 的長遠意義在於為龐大的 SDO 歷史存檔開闢了新的分析路徑。SDO 自 2010 年入軌以來積累了超過十五年的全日面多波段觀測資料，但其中絕大多數時段並沒有同步的 IRIS 光譜覆蓋——IRIS 受視野與排程限制，無法與 SDO 同步覆蓋所有區域。
有了 SDO2IRIS²，研究者即便面對沒有 IRIS 光譜對應的 SDO 歷史資料，也能對色球層熱力學做出量化估算。這為統計研究太陽活動週期（約 11 年週期）中色球層溫度、密度與速度場的長期演化創造了可能，也讓在缺少專用光譜觀測的時段或區域對活躍區域進行快速熱力學評估成為現實。研究者將 SDO2IRIS² 定位為「SDO 資料用途的新途徑」，預期未來可與更多地基和空基觀測資料整合，進一步提升色球層物理研究的時空覆蓋。
視覺 Transformer 以 ≤5 分鐘推理時間達成色球溫度相關係數 0.80，讓 SDO 十五年存檔首次具備無需 IRIS 光譜即可量化色球熱力學的能力。