Аннотация:Анализ наблюдательных данных по солнечной активности играет ключевую роль впонимании процессов, происходящих на Солнце, и в прогнозировании космической погоды.Одним из способов изучения солнечной активности является построение карткрупномасштабного магнитного поля, на которых, в частности, представляет интересположение нейтральной линии магнитного поля. Существует несколько подходов квосстановлению положения нейтральной линии и одним из них является восстановлениелинии по положениям волокон (протуберанцев), задающим фрагменты этой линии. Зачастую,эта процедура реализуется вручную и результат оказывается неоднозначным. В нашемисследовании мы представляем нейросетевой подход для решения этой задачи.Ключевой идеей стало создание полносвязной нейронной сети, аппроксимирующейнекую функцию, линией уровня нуль которой являлась бы искомая нейтральная линия.Важнейшим этапом стало создание функции потерь, необходимой для обучения модели,которая бы учитывала множество факторов, влияющих на форму нейтральной линии. Стоитотметить, что при составлении карт полярности магнитного поля Солнца помимо данных оволокнах используется множество другой дополнительной информации, которую трудноформализовать. Мы компенсируем это тем, что наша модель может получать на вход помимоданных о волокнах еще и предполагаемый знак полярности в некотором числевспомогательных точек.Для оценки качества работы модели мы использовали архив рукописныхсиноптических карт, составленный Патриком Макинтошем, который включает в себяинтересующие нас данные о положении волокон и карты полярностей. Экспериментыпоказали, что результаты восстановления карт полярностей нашей моделью согласуются сданными в архиве Макинтоша.Стоит отметить, что наблюдение за солнечными волокнами начались задолго досистематических наблюдений за магнитным полем Солнца. В этом ключе мы надеемся, что спомощью предлагаемого нами подхода в будущем получится создать однородный рядсолнечных данных, представляющий интерес для изучения. Этот подход открывает новыеперспективы для автоматизации и повышения точности анализа солнечной активности, чтоважно как для научных, так и для практических целей, например, для прогнозированиякосмической погоды.