論文の概要: ARCANE -- Early Detection of Interplanetary Coronal Mass Ejections
- arxiv url: http://arxiv.org/abs/2505.09365v1
- Date: Wed, 14 May 2025 13:17:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-15 21:44:09.466608
- Title: ARCANE -- Early Detection of Interplanetary Coronal Mass Ejections
- Title（参考訳）: ARCANE -- 惑星間コロナ質量放出の早期検出
- Authors: H. T. Rüdisser, G. Nguyen, J. Le Louëdec, C. Möstl,
- Abstract要約: ARCANEは、ストリーミング太陽風データにおけるICME早期検出のために明示的に設計された最初のフレームワークである。
検出パイプラインはF1スコアが0.53で、平均検出遅延が21.5%であることがわかった。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Interplanetary coronal mass ejections (ICMEs) are major drivers of space weather disturbances, posing risks to both technological infrastructure and human activities. Automatic detection of ICMEs in solar wind in situ data is essential for early warning systems. While several methods have been proposed to identify these structures in time series data, robust real-time detection remains a significant challenge. In this work, we present ARCANE - the first framework explicitly designed for early ICME detection in streaming solar wind data under realistic operational constraints, enabling event identification without requiring observation of the full structure. Our approach evaluates the strengths and limitations of detection models by comparing a machine learning-based method to a threshold-based baseline. The ResUNet++ model, previously validated on science data, significantly outperforms the baseline, particularly in detecting high-impact events, while retaining solid performance on lower-impact cases. Notably, we find that using real-time solar wind (RTSW) data instead of high-resolution science data leads to only minimal performance degradation. Despite the challenges of operational settings, our detection pipeline achieves an F1 score of 0.53, with an average detection delay of 21.5% of the event's duration while only seeing a minimal amount of data. As more data becomes available, the performance increases significantly. These results mark a substantial step forward in automated space weather monitoring and lay the groundwork for enhanced real-time forecasting capabilities.
- Abstract（参考訳）: 惑星間コロナ質量放出(ICME)は、宇宙気象障害の主要な要因であり、技術基盤と人的活動の両方にリスクをもたらす。
太陽風におけるICMEの自動検出は早期警戒システムに不可欠である。
時系列データの中でこれらの構造を識別するいくつかの手法が提案されているが、堅牢なリアルタイム検出は依然として重要な課題である。
本研究では,実際の運用制約下での流用太陽風データにおけるICME早期検出のために設計された最初のフレームワークであるARCANEについて述べる。
本手法は,機械学習に基づく手法としきい値ベースラインを比較し,検出モデルの強度と限界を評価する。
以前科学データに基づいて検証されたResUNet++モデルは、特に高インパクトイベントの検出において、低インパクトケースでの堅牢なパフォーマンスを維持しながら、ベースラインを大幅に上回っている。
特に、高解像度の科学データの代わりにリアルタイム太陽風(RTSW)データを使用することで、パフォーマンスの低下は最小限に抑えられる。
運用設定の課題にも拘わらず、検出パイプラインはF1スコア0.53に達し、平均検出遅延は21.5%であり、データ量は最小限である。
より多くのデータが利用可能になると、パフォーマンスが大幅に向上します。
これらの結果は、自動宇宙気象モニタリングにおける大きな進歩であり、リアルタイムの予測能力を高めるための基礎を築き上げている。
関連論文リスト
- Object detection in adverse weather conditions for autonomous vehicles using Instruct Pix2Pix [1.15692661299731]
悪天候下での物体検出システムの堅牢性向上は、自律運転技術の進歩に不可欠である。
本研究では,拡散モデル Instruct Pix2Pix を用いた気象モデルによる現実的なデータセット生成手法を提案する。
論文 参考訳（メタデータ） (2025-05-13T05:12:07Z) - Research, Applications and Prospects of Event-Based Pedestrian Detection: A Survey [10.494414329120909]
生物学的網膜にインスパイアされたイベントベースのカメラは、最小限の電力要求、無視できるレイテンシ、時間分解能、拡張可能なダイナミックレンジによって区別される最先端のセンサーへと進化してきた。
イベントベースのカメラは、高速撮像のシナリオにおいて、外部データ伝送を誘発し、動きのぼやけをなくすことによって制限に対処する。
本稿では,特に自律運転における研究と応用について概観する。
論文 参考訳（メタデータ） (2024-07-05T06:17:00Z) - 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) - Enhancing Lidar-based Object Detection in Adverse Weather using Offset
Sequences in Time [1.1725016312484975]
ライダーによる物体検出は、雨や霧などの悪天候の影響を著しく受けている。
本研究は,ライダーによる物体検出の信頼性に対する悪天候の影響を緩和する有効な方法の総合的研究である。
論文 参考訳（メタデータ） (2024-01-17T08:31:58Z) - Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue
with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。
本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
論文 参考訳（メタデータ） (2023-08-14T16:48:57Z) - Unlocking the Use of Raw Multispectral Earth Observation Imagery for Onboard Artificial Intelligence [3.3810628880631226]
本研究は,ターゲットイベントの検出のためのデータセット作成を自動化する新しい手法を提案する。
提案手法は、まず、空間帯域登録とジオレファレンスからなるパイプラインを適用することにより、生データを処理する。
Level-1C製品上で、イベント固有の最先端アルゴリズムを活用することで、ターゲットイベントを検出する。
本研究では,温熱ホットスポットを含むSentinel-2生データの最初のデータセットであるTHRawS (Thermal Hotspots in Raw Sentinel-2 data) を実現するために提案手法を適用した。
論文 参考訳（メタデータ） (2023-05-12T09:54:21Z) - An Outlier Exposure Approach to Improve Visual Anomaly Detection
Performance for Mobile Robots [76.36017224414523]
移動ロボットの視覚異常検出システム構築の問題点を考察する。
標準異常検出モデルは、非異常データのみからなる大規模なデータセットを用いて訓練される。
本研究では,これらのデータを利用してリアルNVP異常検出モデルの性能向上を図る。
論文 参考訳（メタデータ） (2022-09-20T15:18:13Z) - Ranking-Based Physics-Informed Line Failure Detection in Power Grids [66.0797334582536]
ライン障害のリアルタイムかつ正確な検出は、極端な気象の影響を緩和し、緊急制御を活性化する最初のステップである。
電力収支方程式は、非線形性、極端な事象における発生の不確実性の増加、グリッドオブザーバビリティの欠如は、従来のデータ駆動障害検出手法の効率を損なう。
本稿では,グリッドトポロジ情報を利用した物理インフォームドライン故障検出器(FIELD)を提案する。
論文 参考訳（メタデータ） (2022-08-31T18:19:25Z) - Automatic Detection of Interplanetary Coronal Mass Ejections in Solar
Wind In Situ Data [0.0]
本稿では,ICMEの自動検出のためのパイプラインを提案する。
パイプラインは,平均絶対誤差(MAE)が約2時間56分,終了時間が3時間20分であるICMEの開始点を見つける。
論文 参考訳（メタデータ） (2022-05-07T07:25:05Z) - DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly
detection in air transportation [68.8204255655161]
識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。
通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。
その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
論文 参考訳（メタデータ） (2021-09-08T14:07:55Z) - Lidar Light Scattering Augmentation (LISA): Physics-based Simulation of
Adverse Weather Conditions for 3D Object Detection [60.89616629421904]
ライダーベースの物体検出器は、自動運転車のような自律ナビゲーションシステムにおいて、3D知覚パイプラインの重要な部分である。
降雨、雪、霧などの悪天候に敏感で、信号-雑音比(SNR)と信号-背景比(SBR)が低下している。
論文 参考訳（メタデータ） (2021-07-14T21:10:47Z)
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。