論文の概要: Fast and Accurate Emulation of the SDO/HMI Stokes Inversion with
Uncertainty Quantification
- arxiv url: http://arxiv.org/abs/2103.17273v1
- Date: Wed, 31 Mar 2021 17:59:40 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-01 14:17:43.125288
- Title: Fast and Accurate Emulation of the SDO/HMI Stokes Inversion with
Uncertainty Quantification
- Title(参考訳): 不確実性定量化によるsdo/hmiストークスインバージョンの高速高精度エミュレーション
- Authors: Richard E.L. Higgins, David F. Fouhey, Dichang Zhang, Spiro K.
Antiochos, Graham Barnes, Todd Hoeksema, KD Leka, Yang Liu Peter W. Schuck,
Tamas I. Gombosi
- Abstract要約: 既存のHMIパイプラインの結果が現在のパイプラインアルゴリズムよりも2桁早くエミュレートできるディープラーニングベースのアプローチを紹介します。
我々は,磁場と運動力学的および熱力学的パラメータの高忠実度推定を行うことができることを示した。
- 参考スコア(独自算出の注目度): 10.638219239394209
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The Helioseismic and Magnetic Imager (HMI) onboard NASA's Solar Dynamics
Observatory (SDO) produces estimates of the photospheric magnetic field which
are a critical input to many space weather modelling and forecasting systems.
The magnetogram products produced by HMI and its analysis pipeline are the
result of a per-pixel optimization that estimates solar atmospheric parameters
and minimizes disagreement between a synthesized and observed Stokes vector. In
this paper, we introduce a deep learning-based approach that can emulate the
existing HMI pipeline results two orders of magnitude faster than the current
pipeline algorithms. Our system is a U-Net trained on input Stokes vectors and
their accompanying optimization-based VFISV inversions. We demonstrate that our
system, once trained, can produce high-fidelity estimates of the magnetic field
and kinematic and thermodynamic parameters while also producing meaningful
confidence intervals. We additionally show that despite penalizing only
per-pixel loss terms, our system is able to faithfully reproduce known
systematic oscillations in full-disk statistics produced by the pipeline. This
emulation system could serve as an initialization for the full Stokes inversion
or as an ultra-fast proxy inversion. This work is part of the NASA Heliophysics
DRIVE Science Center (SOLSTICE) at the University of Michigan, under grant NASA
80NSSC20K0600E, and has been open sourced.
- Abstract(参考訳): NASAのソーラー・ダイナミクス・オブザーバ(SDO)に搭載されたHelioseismic and Magnetic Imager (HMI)は、多くの宇宙気象モデルや予測システムに重要な入力となる光球磁場の見積もりを生成する。
HMIと分析パイプラインが生成する磁気グラム生成物は、太陽の大気パラメータを推定し、合成されたストークスベクトルと観測されたストークスベクトルの間の不一致を最小限にするピクセルごとの最適化の結果である。
本稿では,既存のhmiパイプラインの結果を,現在のパイプラインアルゴリズムよりも2桁早くエミュレートする深層学習に基づく手法を提案する。
本システムは入力ストークスベクトルとその最適化に基づくvfisvインバージョンを訓練したu-netである。
我々は,磁場と運動力学的・熱力学的パラメータの高忠実度推定と,有意義な信頼区間を生成できることを示した。
さらに,画素単位の損失項のみをペナルティ化しても,パイプラインが生成するフルディスク統計において,既知の系統的振動を忠実に再現できることを示した。
このエミュレーションシステムはフルストークスインバージョンの初期化や超高速プロキシインバージョンとして機能する。
この研究は、ミシガン大学のNASA Heliophysics DRIVE Science Center(SOLSTICE)の一部であり、NASA 80NSSC20K0600Eが認可され、オープンソース化されている。
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) - Automatic Detection of Nuclear Spins at Arbitrary Magnetic Fields via
Signal-to-Image AI Model [0.0]
我々は,NVセンサを取り巻く核スピンの数を自動的に推測できる信号・画像深層学習モデルを提案する。
我々のモデルは、様々な磁場シナリオに対して効果的に動作するように訓練することができ、関連する核の事前の知識を必要とせず、ノイズ信号を処理するように設計されている。
論文 参考訳(メタデータ) (2023-11-25T14:18:38Z) - Closing the loop: Autonomous experiments enabled by
machine-learning-based online data analysis in synchrotron beamline
environments [80.49514665620008]
機械学習は、大規模または高速に生成されたデータセットを含む研究を強化するために使用できる。
本研究では,X線反射法(XRR)のための閉ループワークフローへのMLの導入について述べる。
本研究では,ビームライン制御ソフトウェア環境に付加的なソフトウェア依存関係を導入することなく,実験中の基本データ解析をリアルタイムで行うソリューションを提案する。
論文 参考訳(メタデータ) (2023-06-20T21:21:19Z) - Forecasting subcritical cylinder wakes with Fourier Neural Operators [58.68996255635669]
実験によって測定された速度場の時間的変化を予測するために,最先端の演算子学習手法を適用した。
その結果、FNOはレイノルズ数の範囲で実験速度場の進化を正確に予測できることがわかった。
論文 参考訳(メタデータ) (2023-01-19T20:04:36Z) - Physics-informed compressed sensing for PC-MRI: an inverse Navier-Stokes
problem [78.20667552233989]
我々は、ノイズやスパース磁気共鳴信号から速度場を復元するための物理インフォームド圧縮センシング(PICS)法を定式化する。
本手法は, 疎サンプリング信号から速度場を再構成し, セグメンテーションすることができる。
論文 参考訳(メタデータ) (2022-07-04T14:51:59Z) - AFT-VO: Asynchronous Fusion Transformers for Multi-View Visual Odometry
Estimation [39.351088248776435]
複数のセンサからVOを推定する新しいトランスフォーマーベースのセンサ融合アーキテクチャであるAFT-VOを提案する。
本フレームワークは,非同期マルチビューカメラからの予測と,異なる情報源からの計測の時間的差を考慮に入れたものである。
実験により,VO推定のための多視点融合により,頑健かつ正確な軌道が得られ,難易度と照明条件の両方において高い性能を発揮することが示された。
論文 参考訳(メタデータ) (2022-06-26T19:29:08Z) - Predicting Solar Energetic Particles Using SDO/HMI Vector Magnetic Data
Products and a Bidirectional LSTM Network [6.759687230043489]
太陽エネルギー粒子(SEP)は宇宙放射線の重要な源であり、宇宙、宇宙船、技術全般において人類にとって危険である。
本研究では,活動領域(AR)がSEPイベントを発生させるかどうかを,(i)ARがM型またはX型フレアを発生し,(ii)ARがM型またはX型フレアを発生させるか,(ii)ARがCMEに関連付けられているかどうかに関わらずM型またはX型フレアを発生させるかを予測する深層学習手法を提案する。
論文 参考訳(メタデータ) (2022-03-27T21:06:08Z) - SynthIA: A Synthetic Inversion Approximation for the Stokes Vector
Fusing SDO and Hinode into a Virtual Observatory [13.457940610832294]
NASAのSolar Dynamics Observatory(SDO)とJAXA/NASAのHinodeミッションには、光球磁場を測定するために設計された分光偏光計がある。
本研究では,SynthIA (Synthetic Inversion Approximation) というディープラーニングシステムを導入する。
論文 参考訳(メタデータ) (2021-08-27T17:58:38Z) - Simultaneous boundary shape estimation and velocity field de-noising in
Magnetic Resonance Velocimetry using Physics-informed Neural Networks [70.7321040534471]
MRV(MR resonance velocimetry)は、流体の速度場を測定するために医療や工学で広く用いられている非侵襲的な技術である。
これまでの研究では、境界(例えば血管)の形状が先駆体として知られていた。
我々は、ノイズの多いMRVデータのみを用いて、最も可能性の高い境界形状と減音速度場を推定する物理インフォームニューラルネットワークを提案する。
論文 参考訳(メタデータ) (2021-07-16T12:56:09Z) - Adaptive Latent Space Tuning for Non-Stationary Distributions [62.997667081978825]
本稿では,ディープエンコーダ・デコーダ方式cnnの低次元潜在空間の適応チューニング法を提案する。
粒子加速器における時間変動荷電粒子ビームの特性を予測するためのアプローチを実証する。
論文 参考訳(メタデータ) (2021-05-08T03:50:45Z) - Fast and differentiable simulation of driven quantum systems [58.720142291102135]
我々は、ダイソン展開に基づく半解析手法を導入し、標準数値法よりもはるかに高速に駆動量子系を時間発展させることができる。
回路QEDアーキテクチャにおけるトランスモン量子ビットを用いた2量子ゲートの最適化結果を示す。
論文 参考訳(メタデータ) (2020-12-16T21:43:38Z)
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。