論文の概要: Machine learning for reconstruction of polarity inversion lines from solar filaments
- arxiv url: http://arxiv.org/abs/2405.06293v1
- Date: Fri, 10 May 2024 07:51:26 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-13 16:27:43.203740
- Title: Machine learning for reconstruction of polarity inversion lines from solar filaments
- Title（参考訳）: 太陽フィラメントからの極性反転線の再構築のための機械学習
- Authors: V. Kisielius, E. Illarionov,
- Abstract要約: 太陽フィラメント(英: Solar filaments)は、太陽光球上の2つの反対磁極を分離する極性反転線のトレーサである。
フィラメント観測と整合した多種多様な磁極性マップを生成する機械学習モデルに基づく自動アプローチを提案する。
このプロセスはユーザガイドによる再構成や超解像とみなすことができ、手書きの地図に適度に近い極性マップとなり、また不確実性の推定も可能であることを実証する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Solar filaments are well-known tracers of polarity inversion lines that separate two opposite magnetic polarities on the solar photosphere. Because observations of filaments began long before the systematic observations of solar magnetic fields, historical filament catalogs can facilitate the reconstruction of magnetic polarity maps at times when direct magnetic observations were not yet available. In practice, this reconstruction is often ambiguous and typically performed manually. We propose an automatic approach based on a machine-learning model that generates a variety of magnetic polarity maps consistent with filament observations. To evaluate the model and discuss the results we use the catalog of solar filaments and polarity maps compiled by McIntosh. We realize that the process of manual compilation of polarity maps includes not only information on filaments, but also a large amount of prior information, which is difficult to formalize. In order to compensate for the lack of prior knowledge for the machine-learning model, we provide it with polarity information at several reference points. We demonstrate that this process, which can be considered as the user-guided reconstruction or super-resolution, leads to polarity maps that are reasonably close to hand-drawn ones, and additionally allows for uncertainty estimation.
- Abstract（参考訳）: 太陽フィラメントは、太陽光球上の2つの反対磁極を分離する極性反転線のよく知られたトレーサである。
フィラメントの観測は太陽磁場の体系的な観測よりずっと早く始まったため、過去のフィラメントカタログは直接の磁気観測ができない時に磁極性マップの再構築を促進することができる。
実際には、この再建はしばしば曖昧で、通常は手動で行われる。
フィラメント観測と整合した多種多様な磁極性マップを生成する機械学習モデルに基づく自動アプローチを提案する。
モデルの評価と結果の議論には、McIntoshによってコンパイルされた太陽フィラメントと極性マップのカタログを用いる。
極性マップを手動で作成するプロセスには,フィラメントに関する情報だけでなく,事前情報も多数含まれており,定式化は困難である。
機械学習モデルに対する事前知識の欠如を補うため,複数の基準点において極性情報を提供する。
このプロセスはユーザガイドによる再構成や超解像とみなすことができ、手書きの地図に適度に近い極性マップとなり、また不確実性の推定も可能であることを実証する。
関連論文リスト
- Generalized Gouy Rotation of Electron Vortex beams in uniform magnetic fields [54.010858975226945]
磁場中における相対論的同軸方程式の正確な解を用いた磁場中のEVBのダイナミクスについて検討する。
一般化されたグーイ回転の下で異なる状態について統一的に記述し、グーイ位相をEVB回転角にリンクする。
この研究は、磁場中のEVBのダイナミクスに関する新たな洞察を与え、渦粒子のビーム操作とビーム光学の実践的応用を示唆している。
論文 参考訳（メタデータ） (2024-07-03T03:29:56Z) - Polarization Wavefront Lidar: Learning Large Scene Reconstruction from Polarized Wavefronts [46.79906673307029]
我々は、放射光と受信光の偏光を変調する新しい長距離偏光波面センサ(PolLidar)を導入する。
我々は、新しい学習的再構成手法を用いて、屋外シナリオにおける正常、距離、材料特性を推定するために偏波波面を利用する。
論文 参考訳（メタデータ） (2024-06-05T17:09:51Z) - S2P3: Self-Supervised Polarimetric Pose Prediction [55.43547228561919]
本稿では,マルチモーダルRGB+ポラリメトリック画像から,最初の自己監督型6次元オブジェクトポーズ予測を提案する。
1) 偏光の幾何学的情報を抽出する物理モデル,2) 教師による知識蒸留方式,3) 異なる制約による自己監督的損失の定式化を含む。
論文 参考訳（メタデータ） (2023-12-02T10:46:40Z) - On-chip polarization-encoded single-qubit gates with twisted waveguides [58.720142291102135]
我々は、その固有モードと伝達行列を閉じた形で発表するツイスト導波路の理論を開発する。
我々は、ツイスト導波路が合理的な設計制約を満たしつつ、任意の任意の偏極変換を実現することを実証した。
論文 参考訳（メタデータ） (2022-12-27T16:00:07Z) - Incorporating Polar Field Data for Improved Solar Flare Prediction [8.035275738176107]
機械学習モデルを用いて太陽フレア予測性能を向上させるため、太陽の北と南の極域強度に関連するデータを活用することを検討する。
実験の結果,太陽フレア予測における極域データの有用性が示唆され,ハイドケスキルスコア(HSS2)は最大10.1%向上した。
論文 参考訳（メタデータ） (2022-12-04T03:06:11Z) - PolarFormer: Multi-camera 3D Object Detection with Polar Transformers [93.49713023975727]
自律運転における3次元物体検出は、3次元の世界に存在する「何」と「どこに」の物体を推論することを目的としている。
既存の手法はしばしば垂直軸を持つ標準カルテ座標系を採用する。
鳥眼ビュー(BEV)におけるより正確な3次元物体検出のための新しい極変換器(PolarFormer)を,マルチカメラ2D画像のみを入力として提案する。
論文 参考訳（メタデータ） (2022-06-30T16:32:48Z) - Machine learning of phase transitions in nonlinear polariton lattices [0.0]
ポラリトン格子は非線形駆動散逸物理学を研究するためのユニークなテストベッドを提供する。
四角配置された偏光子の格子と最近傍のカップリングについて検討し、偏光子の格子の偏光ダイナミクスをシミュレートする。
機械学習手法を用いてこれらのパターンを分類し、異なる領域の境界を決定する。
論文 参考訳（メタデータ） (2021-04-27T00:36:02Z) - Polarimetric Monocular Dense Mapping Using Relative Deep Depth Prior [8.552832023331248]
偏光カメラから利用できる全偏光キューを用いたオンライン再構成手法を提案する。
提案手法は, 深度マップの精度を向上し, 特に質感の悪い地域では, 密度を向上することができる。
論文 参考訳（メタデータ） (2021-02-10T01:34:37Z) - Learning Propagation Rules for Attribution Map Generation [146.71503336770886]
本稿では,属性マップを生成する専用手法を提案する。
具体的には,各ピクセルに対して適応的な伝搬規則を可能にする学習可能なプラグインモジュールを提案する。
導入された学習可能なモジュールは、高階差分サポートを備えた任意のオートグレードフレームワークでトレーニングすることができる。
論文 参考訳（メタデータ） (2020-10-14T16:23:58Z) - Fermionic Chern insulator from twisted light with linear polarization [0.0]
我々は、ツイスト光場と相互作用するハニカム格子上のグラフェン様電子モデルについて検討した。
この結果は,静的および駆動型チャーン絶縁体のパラダイムモデルで見られる挙動と完全に類似していることが示されている。
論文 参考訳（メタデータ） (2020-06-18T17:15:51Z)
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。