Ученые разработали метод моделирования циклической магнитной активности Солнца, объедин...
Ученые разработали метод моделирования циклической магнитной активности Солнца, объединив физическую модель динамо с нейронной сетью. Впервые применен аппарат нейродифференциальных уравнений для солнечного динамо. Это позволило восстановить α-квенчинг — подавление турбулентности магнитным полем. Нейросеть обучается на наблюдениях, заменяя теоретические приближения. Пятна на Солнце — ключевой признак процессов внутри звезды, а их количество калибрует модели динамо. Ранее обратная связь задавалась без сверки с наблюдениями. Теперь традиционная параметризация заменена нейросетью, встроенной в систему уравнений. Метод сопряженных уравнений стал ключевым инструментом для поиска параметров. Модель прошла «слепое» тестирование и впервые адаптирована к реальному солнечному циклу, воспроизведя его асимметрию: короткий рост и длинный спад. Выявлена неоднозначность: на одних данных можно получить сотни функций α-квенчинга, но больше типов наблюдений сужает разброс. Обнаружена устойчивая связь формы α-квенчинга с динамо-числом. В планах — увеличение пространственных мод, внедрение широтной зависимости и обучение на пространственно разрешенных данных. Медленные изменения параметров позволят прогнозировать солнечную активность.