論文の概要: Multi-Channel Auto-Calibration for the Atmospheric Imaging Assembly
using Machine Learning
- arxiv url: http://arxiv.org/abs/2012.14023v4
- Date: Mon, 1 Feb 2021 15:27:43 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-24 20:07:36.174276
- Title: Multi-Channel Auto-Calibration for the Atmospheric Imaging Assembly
using Machine Learning
- Title(参考訳): 機械学習を用いた大気イメージングアセンブリのマルチチャネル自動校正
- Authors: Luiz F. G. dos Santos, Souvik Bose, Valentina Salvatelli, Brad
Neuberg, Mark C. M. Cheung, Miho Janvier, Meng Jin, Yarin Gal, Paul Boerner,
and At{\i}l{\i}m G\"une\c{s} Baydin
- Abstract要約: 現在の技術キャリブレーション技術は周期的観測ロケットに依存している。
畳み込みニューラルネットワーク(CNN)に基づく代替キャリブレーション手法を提案する。
以上の結果から,cnnモデルでは観測ロケット実験の結果を合理的な精度で総合的に再現できることがわかった。
- 参考スコア(独自算出の注目度): 20.247229396526855
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Solar activity plays a quintessential role in influencing the interplanetary
medium and space-weather around the Earth. Remote sensing instruments onboard
heliophysics space missions provide a pool of information about the Sun's
activity via the measurement of its magnetic field and the emission of light
from the multi-layered, multi-thermal, and dynamic solar atmosphere. Extreme UV
(EUV) wavelength observations from space help in understanding the subtleties
of the outer layers of the Sun, namely the chromosphere and the corona.
Unfortunately, such instruments, like the Atmospheric Imaging Assembly (AIA)
onboard NASA's Solar Dynamics Observatory (SDO), suffer from time-dependent
degradation, reducing their sensitivity. Current state-of-the-art calibration
techniques rely on periodic sounding rockets, which can be infrequent and
rather unfeasible for deep-space missions. We present an alternative
calibration approach based on convolutional neural networks (CNNs). We use
SDO-AIA data for our analysis. Our results show that CNN-based models could
comprehensively reproduce the sounding rocket experiments' outcomes within a
reasonable degree of accuracy, indicating that it performs equally well
compared with the current techniques. Furthermore, a comparison with a standard
"astronomer's technique" baseline model reveals that the CNN approach
significantly outperforms this baseline. Our approach establishes the framework
for a novel technique to calibrate EUV instruments and advance our
understanding of the cross-channel relation between different EUV channels.
- Abstract(参考訳): 太陽活動は、惑星間媒質や地球上の宇宙天気に影響を与える重要な役割を担っている。
ヘリオフィジカルス宇宙ミッションに搭載されたリモートセンシング機器は、その磁場の測定と多層多熱・動的太陽大気からの光放射を通じて太陽の活動に関する情報のプールを提供する。
宇宙からの極端紫外線(euv)波長の観測は、太陽の外層、すなわち色球とコロナの微妙な性質を理解するのに役立つ。
残念ながら、NASAのソーラー・ダイナミクス・オブザーバ(SDO)に搭載されている大気イメージング・アセンブリ(AIA)のような機器は、時間依存性の劣化に悩まされ、感度が低下する。
現在のキャリブレーション技術は周期的な観測ロケットに依存しており、これは低頻度で、深宇宙ミッションでは実現不可能である。
畳み込みニューラルネットワーク(CNN)に基づく別のキャリブレーション手法を提案する。
分析にはSDO-AIAデータを用いる。
以上の結果から,CNNをベースとしたモデルでは,ロケット実験の結果をある程度の精度で総合的に再現することが可能であることが示唆された。
さらに、標準の「アストロノマー法」ベースラインモデルとの比較により、CNNアプローチがこのベースラインを著しく上回ることを示した。
提案手法は,EUV機器を校正し,異なるEUVチャネル間のチャネル間関係の理解を深めるための新しい手法の枠組みを確立するものである。
関連論文リスト
- Forecasting SEP Events During Solar Cycles 23 and 24 Using Interpretable
Machine Learning [38.321248253111776]
我々は、新しいデータプロダクトの予測可能性を評価するために、一連の機械学習戦略を用いて、事後SEPイベントの予測を行う。
データ量の増大にもかかわらず、予測精度は 0.7 + 0.1 に達し、これはこれらのベンチマークに合致するが、公表されたベンチマークを超えない。
論文 参考訳(メタデータ) (2024-03-04T23:12:17Z) - Observation-Guided Meteorological Field Downscaling at Station Scale: A
Benchmark and a New Method [66.80344502790231]
気象学的ダウンスケーリングを任意の散乱ステーションスケールに拡張し、新しいベンチマークとデータセットを確立する。
データ同化技術にインスパイアされた我々は、観測データをダウンスケーリングプロセスに統合し、マルチスケールの観測先行情報を提供する。
提案手法は、複数の曲面変数上で、他の特別に設計されたベースラインモデルよりも優れている。
論文 参考訳(メタデータ) (2024-01-22T14:02:56Z) - High-Cadence Thermospheric Density Estimation enabled by Machine
Learning on Solar Imagery [0.14061979259370275]
我々は、NASAのソーラー・ダイナミクス・オブザーバ(SDO)極紫外線(EUV)スペクトル画像をニューラル熱圏密度モデルに組み込む。
我々は、EUV画像により、時間分解能をはるかに高め、地上ベースのプロキシを置き換えることができることを示した。
論文 参考訳(メタデータ) (2023-11-12T23:39:21Z) - Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol
Particles for Frontier Exploration [55.41644538483948]
本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。
ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。
本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
論文 参考訳(メタデータ) (2023-04-27T20:21:18Z) - A Comparative Study on Generative Models for High Resolution Solar
Observation Imaging [59.372588316558826]
本研究は、観測された太陽活動状態の背後にあるデータ分布を正確に捉えるために、現在の最先端生成モデルの能力について検討する。
スーパーコンピュータ上での分散トレーニングを用いて、人間の専門家が区別できない高品質なサンプルを生成する、最大1024x1024解像度の生成モデルを訓練することができる。
論文 参考訳(メタデータ) (2023-04-14T14:40:32Z) - Deep-learning based measurement of planetary radial velocities in the
presence of stellar variability [70.4007464488724]
我々は、HARPS-N Sun-as-a-star Spectraの3年間の恒星RVジッタを低減するためにニューラルネットワークを使用する。
マルチラインCNNは、半振幅0.2m/s、50日間、振幅8.8%、周期0.7%の誤差で惑星を回復することができる。
論文 参考訳(メタデータ) (2023-04-10T18:33:36Z) - Exploring the Limits of Synthetic Creation of Solar EUV Images via
Image-to-Image Translation [24.21750759187231]
ソーラー・ダイナミクス・オブザーバトリー(SDO)は、太陽からテラバイト単位の観測データを毎日生成している。
画像から画像への変換を用いて、極端紫外線チャネルを仮想的に生成するというアイデアは、近年、いくつかの研究で提案されている。
本稿では,4つのチャネルの置換とエンコーダ・デコーダに基づくアーキテクチャに着目し,このような深層学習手法の可能性と限界について検討する。
論文 参考訳(メタデータ) (2022-08-19T18:58:36Z) - Modelling stellar activity with Gaussian process regression networks [0.0]
HARPS-N太陽分光観測を用いて、この枠組みがRVデータと従来の恒星活動指標を共同でモデル化できることを実証した。
我々は、RVと恒星活動時系列の相関関係を数日の間隔で最大にし、時系列における非定常行動の証拠を見いだす。
論文 参考訳(メタデータ) (2022-05-13T13:20:25Z) - SCSS-Net: Solar Corona Structures Segmentation by Deep Learning [0.0]
太陽コロナの構造は、直接的または間接的に地球に影響を与える可能性のある宇宙の気象過程の主要な要因である。
本研究では,EUVスペクトルで観測された太陽コロナ構造の自動セグメンテーション法を開発した。
このモデルの出力は、太陽活動と地球への宇宙気象の影響の間の関係について、より統計的に研究するために使われる。
論文 参考訳(メタデータ) (2021-09-22T16:51:50Z) - Aligning an optical interferometer with beam divergence control and
continuous action space [64.71260357476602]
我々は1本の腕に共焦点望遠鏡を備えた光学的マッハ・ツェンダー干渉計の視覚に基づくアライメントを実装した。
実験的評価では、エージェントは、既存のソリューションと人間の専門家とを著しく上回る。
論文 参考訳(メタデータ) (2021-07-09T14:23:01Z) - Depth Estimation from Monocular Images and Sparse Radar Data [93.70524512061318]
本稿では,ディープニューラルネットワークを用いた単眼画像とレーダ点の融合により,より正確な深度推定を実現する可能性を検討する。
レーダ測定で発生するノイズが,既存の融合法の適用を妨げている主要な理由の1つであることが判明した。
実験はnuScenesデータセット上で行われ、カメラ、レーダー、LiDARの記録を様々な場面と気象条件で記録する最初のデータセットの1つである。
論文 参考訳(メタデータ) (2020-09-30T19:01:33Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。