基于物理约束深度学习的高能宇宙线流强预报方法

16 Jul 2026, 11:02
8m
江门厅 (2号楼三楼)

江门厅

2号楼三楼

Speaker

劼 冯 (中山大学)

Description

高能宇宙线在行星际空间的太阳调制是日冕和行星际物理的核心问题,其流强预报是载人航天辐射防护的迫切需求。现有纯物理模型受限于参数不确定性与计算成本,数据驱动模型缺乏物理可解释性且跨周期外推能力不足,简化方法无法描述电荷符号依赖调制。本项目围绕多参数耦合调制机制、物理约束与外推能力、极端事件可预报性三个科学问题,构建物理-数据融合的“灰箱模型”预报框架:(1)构建覆盖22年太阳磁场周期的日尺度多源数据集,刻画多参数耦合调制特征;(2)建立包含电荷漂移的三维帕克输运模型,检验电荷符号依赖调制机制;(3)构建物理约束深度学习预报模型,提升跨周期外推能力;(4)开展跨周期回报试验与极端事件检验,形成业务化评估规范。项目将深化宇宙线调制物理的认识,填补我国高能宇宙线业务化预报空白。所建立的日尺度通量预报与福布什下降预警能力,可为空间站舱外活动及深空任务辐射防护提供定量依据。

请选择分会 中微子物理、粒子天体物理与宇宙学

Primary authors

劼 冯 (中山大学) 建祺 严 (中山大学) 鹏伟 赵 (中山大学)

Presentation materials

There are no materials yet.