AI for Astronomy (AIA) 研究组

研究方向：

§ 空间天气预报及空间安全：利用多波段、多设备的时空观测数据，构建空间天气预测模型，对灾害性空间天气预警和预报，为国家重大空间任务和空间安全提供保障；特别是使用深度学习模型，开展数据驱动的太阳活动预报建模；
§ 人工智能及深度学习应用：利用人工智能技术（特别是深度学习）开展天文大数据挖掘，如异常事件检测、目标检测/分类识别及信息提取；使用深度学习的视觉模型，开展天文观测数据的成像及成像处理；

§ 视频编码、图像质量评价：资源限定条件下的率失真优化、码率控制及视频质量评价及控制；

§ 人工智能在太阳物理领域的应用研究：

太阳活动预报统计建模：发展了太阳耀斑预报、CME对地效应预报、F10.7射电流量预报、太阳质子事件预报、太阳活动周预报和基于人工智能的预报模型，在太阳活动数值预报、人工智能预报模型等方面处于国内外领先地位。
太阳探测大数据挖掘：收集整理了海量太阳观测数据，包括光球失量磁场、色球ha图像、日冕多波段图像、F10.7射电流量等，数据的时间跨度大约2个太阳活动周；使用深度学习、机器学习的技术和方法开展数据挖掘类的应用研究，包括数据自动分类、目标检测识别、图像分割和时序预测等，形成了大量的太阳爆发活动事件库。

成像及成像处理：针对太阳观测的全波段观测数据，研究了磁图生成、紫外极紫外图像过曝光修复、磁图超分辨，形成了一个系统的深度学习算法应用集。

太阳磁场的数值解：针对日冕磁场外推，研究了传统的非线性无力场求解算法，开展了大规模磁场外推的高效计算，完成了规模为7万多张的日冕磁场外推计算，构建了大型的数据库、代码库及文档使用说明，并优化了外推算法及GPU加速；

同时，构建了磁场外推的深度学习求解算法，验证了其效率。

§ 构建大规模太阳活动数据库：

收集了海量的太阳观测数据，使用人工智能技术挖掘有价值的太阳活动信息，构建了太阳活动数据库，提供给天文学家和计算机视觉领域专家开展特定的事件分析及统计分析；

我们在科研过程中积累了海量的观测数据，并进行手工标注，形成了若干大型数据库：频谱图分类库、活动区检测库、EUV波检测库、黑子检测库、活动区检测库、耀斑预报库、图像修复库，在这些数据库上开展了一系列的科学研究，并发布了其中一些数据库，提供给视觉领域的学者开展算法验证和应用类研究;