論文の概要: Predicting Solar Flares with Remote Sensing and Machine Learning
- arxiv url: http://arxiv.org/abs/2110.07658v1
- Date: Thu, 14 Oct 2021 18:28:28 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-18 15:21:50.648156
- Title: Predicting Solar Flares with Remote Sensing and Machine Learning
- Title（参考訳）: リモートセンシングと機械学習による太陽フレアの予測
- Authors: Erik Larsen
- Abstract要約: 重要なシステムの破壊は、食糧不足と緊急対応のできないことに繋がる。
ここでは、太陽を継続的に観測する太陽軌道上の衛星を用いて、この差し迫った問題の解決策を提案する。
システムのアプローチにより、災害のリスクを軽減できる十分な安全対策を実施できる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: High energy solar flares and coronal mass ejections have the potential to
destroy Earth's ground and satellite infrastructures, causing trillions of
dollars in damage and mass human suffering. Destruction of these critical
systems would disable power grids and satellites, crippling communications and
transportation. This would lead to food shortages and an inability to respond
to emergencies. A solution to this impending problem is proposed herein using
satellites in solar orbit that continuously monitor the Sun, use artificial
intelligence and machine learning to calculate the probability of massive solar
explosions from this sensed data, and then signal defense mechanisms that will
mitigate the threat. With modern technology there may be only safeguards that
can be implemented with enough warning, which is why the best algorithm must be
identified and continuously trained with existing and new data to maximize true
positive rates while minimizing false negatives. This paper conducts a survey
of current machine learning models using open source solar flare prediction
data. The rise of edge computing allows machine learning hardware to be placed
on the same satellites as the sensor arrays, saving critical time by not having
to transmit remote sensing data across the vast distances of space. A system of
systems approach will allow enough warning for safety measures to be put into
place mitigating the risk of disaster.
- Abstract（参考訳）: 高エネルギーの太陽フレアとコロナ質量放出は、地球の地上と衛星のインフラを破壊する可能性があり、数十億ドルの損害と大衆の苦しみを引き起こす。
これらの重要なシステムの破壊は、電力網と衛星を無効にし、通信と輸送を阻害する。
このことは食糧不足と緊急対応のできないことに繋がる。
ここでは、太陽軌道上の衛星を用いて太陽を継続的に監視し、人工知能と機械学習を用いて、この知覚されたデータから巨大な太陽爆発の確率を計算し、脅威を緩和する信号防御機構を提案する。
現代の技術では、十分な警告で実装可能なセーフガードしか存在しないため、最良のアルゴリズムを識別し、既存のデータと新しいデータで継続的に訓練し、真正の率を最大化し、偽陰性を最小限に抑える必要がある。
本稿では,オープンソースの太陽フレア予測データを用いて,現在の機械学習モデルのサーベイを行う。
エッジコンピューティングの台頭により、機械学習ハードウェアはセンサーアレイと同じ衛星上に配置でき、空間の広い範囲にわたってリモートセンシングデータを送信する必要がなくなるため、臨界時間を節約できる。
システム・オブ・システム・アプローチは、災害のリスクを軽減し、安全対策を講じるのに十分な警告を許容する。
関連論文リスト
- Learning 3D Perception from Others' Predictions [64.09115694891679]
本研究では,3次元物体検出装置を構築するための新たなシナリオについて検討する。
例えば、自動運転車が新しいエリアに入ると、その領域に最適化された検出器を持つ他の交通参加者から学ぶことができる。
論文 参考訳（メタデータ） (2024-10-03T16:31:28Z) - A Foundation Model for the Earth System [82.73624748093333]
我々は、100万時間以上の多様なデータに基づいてトレーニングされた地球システムのための大規模な基盤モデルであるAuroraを紹介します。
オーロラは、大気の質、海波、熱帯のサイクロンの軌道、および専用システムよりも計算コストの桁違いの高解像度の天気予報において、運用上の予測を上回っている。
論文 参考訳（メタデータ） (2024-05-20T14:45:18Z) - GAN-GRID: A Novel Generative Attack on Smart Grid Stability Prediction [53.2306792009435]
我々は,現実の制約に合わせたスマートグリッドの安定性予測システムを対象とした,新たな敵攻撃GAN-GRIDを提案する。
以上の結果から,データやモデル知識を欠いた,安定度モデルのみに武装した敵が,攻撃成功率0.99の安定度でデータを作成できることが判明した。
論文 参考訳（メタデータ） (2024-05-20T14:43:46Z) - Improving day-ahead Solar Irradiance Time Series Forecasting by
Leveraging Spatio-Temporal Context [46.72071291175356]
太陽発電は二酸化炭素の排出量を大幅に削減することで気候変動を緩和する大きな可能性を秘めている。
しかし、太陽光の固有の変動は、電力網に太陽エネルギーをシームレスに統合する上で大きな課題となる。
本稿では,衛星データを用いた時間的文脈の活用を目的としたディープラーニングアーキテクチャを提案する。
論文 参考訳（メタデータ） (2023-06-01T19:54:39Z) - A Machine Learning and Computer Vision Approach to Geomagnetic Storm
Forecasting [2.0499240875882]
地磁気嵐は、太陽から放出される荷電粒子の質量によって引き起こされる地球の磁気圏の乱れである。
NOAAの現在の予測方法は、高価な太陽風探査機と世界規模の磁気センサネットワークに依存しているため限られている。
そこで我々は,このようなコストのかかる物理的測定を必要とせずに,地磁気嵐を正確に予測する,新しい機械学習とコンピュータビジョン手法を提案する。
論文 参考訳（メタデータ） (2022-04-04T15:38:33Z) - A Moment in the Sun: Solar Nowcasting from Multispectral Satellite Data
using Self-Supervised Learning [4.844946519309793]
我々は、自己教師付き学習を用いた多スペクトル衛星データから、太陽流の一般的なモデルを構築した。
我々のモデルは、衛星観測に基づいて、位置の将来の太陽放射を推定する。
提案手法は,25の太陽観測地点にまたがる異なる範囲で評価し,地平線を予測できる。
論文 参考訳（メタデータ） (2021-12-28T03:13:44Z) - Radiation-Induced Dark Counts for Silicon Single-Photon Detectors in
Space [55.41644538483948]
イオン化放射線による検出器の材料格子の変位損傷は、検出器の永久的な暗カウントの増加をもたらす。
高高度の核爆発が発生した場合、爆発によって生成された人工放射線帯は、低軌道衛星のシリコン単光子検出器に過度に損傷を与える。
論文 参考訳（メタデータ） (2021-11-17T22:36:41Z) - Prediction of Solar Radiation Using Artificial Neural Network [0.0]
本稿では,太陽放射の時間的活動を予測するアルゴリズムを提案する。
データセットは、空気の温度、時間、湿度、風速、気圧、風向き、太陽放射データで構成されている。
教師付き学習データを通じてパターンを解釈できるシステムを構築するために、2つのモデルを作成する。
論文 参考訳（メタデータ） (2021-04-01T20:41:27Z) - Spacecraft Collision Risk Assessment with Probabilistic Programming [0.0]
長さ10cmを超える34,000体以上が地球を周回していることが知られている。
そのうち、活動的な衛星はわずかの割合しかなく、残りの人口は死んだ衛星、ロケット本体、および運用中の宇宙船に衝突の脅威を与える破片でできています。
結合データメッセージを合成生成するための新しい物理ベースの確率的生成モデルを構築する。
論文 参考訳（メタデータ） (2020-12-18T14:26:08Z) - DeepSun: Machine-Learning-as-a-Service for Solar Flare Prediction [3.994605741665177]
我々は、Web上で太陽フレアを予測するための、DeepSunと呼ばれる機械学習・アズ・ア・サービスフレームワークを提案する。
DeepSunシステムは、このマルチクラス予測問題に対処するために、いくつかの機械学習アルゴリズムを使用している。
私たちの知る限り、DeepSunはインターネットを通じて太陽フレアを予測できる最初のMLツールです。
論文 参考訳（メタデータ） (2020-09-04T03:41:50Z) - Integrating LEO Satellite and UAV Relaying via Reinforcement Learning
for Non-Terrestrial Networks [51.05735925326235]
低軌道軌道(LEO)衛星のメガコンステレーションは、低レイテンシで長距離通信を可能にする可能性がある。
軌道上の星座から選択されたLEO衛星を用いて、2つの遠距離地上端末間でパケットを転送する問題について検討する。
エンドツーエンドのデータレートを最大化するためには、衛星アソシエーションとHAPロケーションを最適化する必要がある。
本稿では, 深部強化学習(DRL)と新しい動作次元低減技術を用いてこの問題に対処する。
論文 参考訳（メタデータ） (2020-05-26T05:39:27Z)
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。