Predicción de estructuras coronal solares utilizando operadores neuronales de Fourier basados en la observación del campo magnético fotosférico solar

Resumen Este documento construye las estructuras de la corona solar (SC) utilizando operadores neuronales de Fourier (FNO) basados en la observación del campo magnético fotosférico solar. El propósito es aprender el mapeo entre dos espacios de funciones de dimensión infinita, que toma el campo magnético fotosférico como entrada y los parámetros del plasma del viento solar magnetohidrodinámico (MHD) como salida, a partir de una colección finita de pares de entrada-salida. Se establece el modelo FNO-SC utilizando resultados simulados por MHD de 36 rotaciones de Carrington (CRs) de 2008, 2009 y 2020. Se prueba el rendimiento del modelo FNO-SC para 6 CRs durante varias fases de la actividad solar, como las fases descendente, mínima y ascendente, para generar las estructuras 3D de la SC. Con las simulaciones MHD como referencia, el índice de similitud de estructura promedio (SSIM) para la topología del campo magnético de 1 a 3R s es de alrededor de 0.88. De 1 a 20R s, los valores de SSIM para la densidad numérica y la velocidad radial superan 0.9. En relación con las observaciones OMNI, el error porcentual absoluto medio para la velocidad radial generada a partir del modelo FNO-SC no excede 0.25. Estos resultados indican que el modelo FNO-SC captura de manera efectiva las estructuras coronal solares típicas de los períodos investigados, recuperando las simulaciones MHD así como las observaciones. El modelo FNO-SC se entrena además con datos enriquecidos de la fase máxima para evaluar la capacidad de modelar tal situación. El modelo FNO-SC requiere 48.7 s para una predicción de una sola CR, y así facilita la previsión del clima espacial en tiempo real.