論文の概要: SynthIA: A Synthetic Inversion Approximation for the Stokes Vector
Fusing SDO and Hinode into a Virtual Observatory
- arxiv url: http://arxiv.org/abs/2108.12421v1
- Date: Fri, 27 Aug 2021 17:58:38 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-30 14:02:38.000690
- Title: SynthIA: A Synthetic Inversion Approximation for the Stokes Vector
Fusing SDO and Hinode into a Virtual Observatory
- Title（参考訳）: SynthIA: SDOとHinodeを仮想観測器に融合したストークスベクトルの合成逆近似
- Authors: Richard E.L. Higgins, David F. Fouhey, Spiro K. Antiochos, Graham
Barnes, Mark C.M. Cheung, J. Todd Hoeksema, KD Leka, Yang Liu, Peter W.
Schuck, Tamas I. Gombosi
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 13.457940610832294
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Both NASA's Solar Dynamics Observatory (SDO) and the JAXA/NASA Hinode mission
include spectropolarimetric instruments designed to measure the photospheric
magnetic field. SDO's Helioseismic and Magnetic Imager (HMI) emphasizes
full-disk high-cadence and good spatial resolution data acquisition while
Hinode's Solar Optical Telescope Spectro-Polarimeter (SOT-SP) focuses on high
spatial resolution and spectral sampling at the cost of a limited field of view
and slower temporal cadence. This work introduces a deep-learning system named
SynthIA (Synthetic Inversion Approximation), that can enhance both missions by
capturing the best of each instrument's characteristics. We use SynthIA to
produce a new magnetogram data product, SynodeP (Synthetic Hinode Pipeline),
that mimics magnetograms from the higher spectral resolution Hinode/SOT-SP
pipeline, but is derived from full-disk, high-cadence, and lower
spectral-resolution SDO/HMI Stokes observations. Results on held-out data show
that SynodeP has good agreement with the Hinode/SOT-SP pipeline inversions,
including magnetic fill fraction, which is not provided by the current SDO/HMI
pipeline. SynodeP further shows a reduction in the magnitude of the 24-hour
oscillations present in the SDO/HMI data. To demonstrate SynthIA's generality,
we show the use of SDO/AIA data and subsets of the HMI data as inputs, which
enables trade-offs between fidelity to the Hinode/SOT-SP inversions, number of
observations used, and temporal artifacts. We discuss possible generalizations
of SynthIA and its implications for space weather modeling. This work is part
of the NASA Heliophysics DRIVE Science Center (SOLSTICE) at the University of
Michigan under grant NASA 80NSSC20K0600E, and will be open-sourced.
- Abstract（参考訳）: 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。
SDOのHelioseismic and Magnetic Imager (HMI) はフルディスクの高ケイデンスと良好な空間分解能データ取得を強調し、HinodeのSolar Optical Telescope Spectro-Polarimeter (SOT-SP) は、視野の制限と時間周期の遅いコストで高空間分解能とスペクトルサンプリングに焦点を当てている。
この研究はSynthIA(Synthetic Inversion Approximation)と呼ばれるディープラーニングシステムを導入し、それぞれの楽器の特徴を最大限に捉え、両方のミッションを強化する。
我々は、SynthIAを用いて、高スペクトル分解能Hinode/SOT-SPパイプラインからの磁気グラムを模倣する新しい磁気グラムデータ製品SynodeP(Synthetic Hinode Pipeline)を作成し、フルディスク、高ケイデンス、低スペクトル分解能SDO/HMIストークス観測から導出する。
ホールドアウトデータの結果、SynodePは現在のSDO/HMIパイプラインでは提供されていない磁気充填率を含むHinode/SOT-SPパイプラインインバージョンと良好な一致を示した。
SynodePはさらに、SDO/HMIデータに存在する24時間振動の大きさを減少させる。
SynthIAの一般性を示すために、HMIデータのSDO/AIAデータとサブセットを入力として使用し、Hinode/SOT-SPインバージョンと観測回数、時間的アーティファクトとのトレードオフを可能にする。
シンシアの一般化の可能性とその宇宙気象モデルへの応用について考察する。
この研究は、ミシガン大学のNASA Heliophysics DRIVE Science Center(SOLSTICE)の一部で、NASA 80NSSC20K0600Eを認可し、オープンソース化される。
関連論文リスト
- Compression Method for Solar Polarization Spectra Collected from Hinode SOT/SP Observations [0.0]
本研究では, ディープオートエンコーダ(DAE)と1D畳み込みオートエンコーダ(CAE)モデルを用いて, Hinode SOT/SPデータを用いた深層学習に基づく圧縮手法を提案する。
我々は、静かな太陽と活動領域からストークスIとVの偏光スペクトルを圧縮することに焦点を当てた。
論文 参考訳（メタデータ） (2024-11-14T09:38:41Z) - Real-time gravitational-wave inference for binary neutron stars using machine learning [71.29593576787549]
近似を行なわずに1秒で完全なBNS推論を行う機械学習フレームワークを提案する。
本手法は, (i) 合併前の正確な局所化を提供することにより, (i) 近似低遅延法と比較して, (ii) 局所化精度を$sim30%$で改善すること, (iii) 光度距離, 傾斜, 質量に関する詳細な情報を提供することにより, (i) マルチメーサの観測を向上する。
論文 参考訳（メタデータ） (2024-07-12T18:00:02Z) - Object Detection in Hyperspectral Image via Unified Spectral-Spatial
Feature Aggregation [55.9217962930169]
S2ADetは、高スペクトル画像に固有の豊富なスペクトル情報と空間補完情報を利用する物体検出器である。
S2ADetは既存の最先端メソッドを超え、堅牢で信頼性の高い結果を達成する。
論文 参考訳（メタデータ） (2023-06-14T09:01:50Z) - 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) - Spectral Enhanced Rectangle Transformer for Hyperspectral Image
Denoising [64.11157141177208]
ハイパースペクトル画像の空間的およびスペクトル的相関をモデル化するスペクトル拡張矩形変換器を提案する。
前者に対しては、長方形自己アテンションを水平および垂直に利用し、空間領域における非局所的類似性を捉える。
後者のために,空間スペクトル立方体の大域的低ランク特性を抽出し,雑音を抑制するスペクトル拡張モジュールを設計する。
論文 参考訳（メタデータ） (2023-04-03T09:42:13Z) - 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) - Analysis of the HiSCORE Simulated Events in TAIGA Experiment Using
Convolutional Neural Networks [77.34726150561087]
本稿では,エアシャワー特性決定における畳み込みニューラルネットワークの利用について検討する。
我々は、CNNを使ってHiSCOREイベントを分析し、それらをイメージとして扱います。
また,エアシャワーのパラメータの決定に関する予備的な結果も提示した。
論文 参考訳（メタデータ） (2021-12-19T15:18:56Z) - Mask-guided Spectral-wise Transformer for Efficient Hyperspectral Image
Reconstruction [127.20208645280438]
ハイパースペクトル画像(HSI)再構成は、2次元計測から3次元空間スペクトル信号を復元することを目的としている。
スペクトル間相互作用のモデル化は、HSI再構成に有用である。
Mask-guided Spectral-wise Transformer (MST) は,HSI再構成のための新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2021-11-15T16:59:48Z) - Fast and Accurate Emulation of the SDO/HMI Stokes Inversion with
Uncertainty Quantification [10.638219239394209]
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。
論文 参考訳（メタデータ） (2021-03-31T17:59:40Z) - Multi-Channel Auto-Calibration for the Atmospheric Imaging Assembly
using Machine Learning [20.247229396526855]
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。
論文 参考訳（メタデータ） (2020-12-27T22:43:37Z)
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。