論文の概要: StellarF: A Lora-Adapter Integrated Large Model Framework for Stellar Flare Forecasting with Historical & Statistical Data
- arxiv url: http://arxiv.org/abs/2507.10986v1
- Date: Tue, 15 Jul 2025 04:59:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-16 19:46:02.984159
- Title: StellarF: A Lora-Adapter Integrated Large Model Framework for Stellar Flare Forecasting with Historical & Statistical Data
- Title（参考訳）: StellarF: 歴史的・統計的データを用いたステレオフレア予測のためのロラアダプタ統合大型モデルフレームワーク
- Authors: Tianyu Su, Zhiqiang Zou, Ali Luo, Xiao Kong, Qingyu Lu, Min Li,
- Abstract要約: 本研究では、恒星フレア予測のための新しい大規模モデルであるStellarF(Stellar Flare Forecasting)を紹介する。
StellarFの中核となるのは、フレア統計情報モジュールと過去のフレア記録モジュールを統合し、観測データから多スケールのパターン認識を可能にすることである。
提案した予測パラダイムは、天体物理学研究の進展と学際的応用のための新しい方法論の枠組みを確立する。
- 参考スコア（独自算出の注目度）: 3.901857423144103
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Stellar flare forecasting, a critical research frontier in astronomy, offers profound insights into stellar activity. However, the field is constrained by both the sparsity of recorded flare events and the absence of domain-specific large-scale predictive models. To address these challenges, this study introduces StellarF (Stellar Flare Forecasting), a novel large model that leverages Low-Rank (LoRA) and Adapter techniques to parameter-efficient learning for stellar flare forecasting. At its core, StellarF integrates an flare statistical information module with a historical flare record module, enabling multi-scale pattern recognition from observational data. Extensive experiments on our self-constructed datasets (derived from Kepler and TESS light curves) demonstrate that StellarF achieves state-of-the-art performance compared to existing methods. The proposed prediction paradigm establishes a novel methodological framework for advancing astrophysical research and cross-disciplinary applications.
- Abstract（参考訳）: 恒星フレア予測は天文学における重要な研究フロンティアであり、恒星活動に関する深い洞察を提供する。
しかし、このフィールドは記録されたフレア事象の空間性と、ドメイン固有の大規模予測モデルの欠如に制約されている。
これらの課題に対処するために、星フレア予測のためのパラメータ効率の学習にローランド(LoRA)とアダプタ(Adapter)技術を活用する新しい大型モデルであるStellarF(Stellar Flare Forecasting)を紹介した。
StellarFのコアとなるのは、フレア統計情報モジュールと過去のフレア記録モジュールを統合し、観測データからマルチスケールのパターン認識を可能にすることである。
自己構築されたデータセット(KeplerとTESSの光曲線から派生した)に関する大規模な実験は、StellarFが既存の手法と比較して最先端のパフォーマンスを達成することを示した。
提案した予測パラダイムは、天体物理学研究の進展と学際的応用のための新しい方法論の枠組みを確立する。
関連論文リスト
- STAR: A Benchmark for Astronomical Star Fields Super-Resolution [51.79340280382437]
54,738個のフラックス一貫性の星体画像対を含む大規模SRデータセットSTARを提案する。
本稿では,Flux-Invariant Super Resolution (FISR)モデルを提案する。
論文 参考訳（メタデータ） (2025-07-22T09:28:28Z) - FLARE: A Framework for Stellar Flare Forecasting using Stellar Physical Properties and Historical Records [24.00351327243306]
我々は、恒星フレア予測に特化して設計された第一種モデルであるFLAREを紹介する。
利用可能なケプラー光度曲線データセットに関する実験により、FLAREは全ての評価指標における他の手法と比較して優れた性能を発揮することが示された。
論文 参考訳（メタデータ） (2025-02-25T14:03:15Z) - MambaDS: Near-Surface Meteorological Field Downscaling with Topography Constrained Selective State Space Modeling [68.69647625472464]
気象予測において重要な課題であるダウンスケーリングは、ターゲット領域に対する高解像度気象状態の再構築を可能にする。
以前のダウンスケーリング手法には気象学のための調整された設計が欠けており、構造的な限界に遭遇した。
本稿では,多変数相関と地形情報の利用性を高める新しいモデルであるMambaDSを提案する。
論文 参考訳（メタデータ） (2024-08-20T13:45:49Z) - SFANet: Spatial-Frequency Attention Network for Weather Forecasting [54.470205739015434]
天気予報は様々な分野において重要な役割を担い、意思決定とリスク管理を推進している。
伝統的な手法は、しばしば気象系の複雑な力学を捉えるのに苦労する。
本稿では,これらの課題に対処し,天気予報の精度を高めるための新しい枠組みを提案する。
論文 参考訳（メタデータ） (2024-05-29T08:00:15Z) - The Scaling Law in Stellar Light Curves [3.090476527764192]
本稿では,天文時系列データから学習する際の法則のスケーリングについて,自己監督的手法を用いて検討する。
自己教師付きトランスフォーマーモデルは,最先端の教師付き学習モデルと比較して,サンプル効率を3～10倍に向上させる。
本研究は,大規模自己回帰生成モデルを用いて恒星の光度曲線を解析するための基礎研究である。
論文 参考訳（メタデータ） (2024-05-27T13:31:03Z) - 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) - 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) - Stellar Spectra Fitting with Amortized Neural Posterior Estimation and
nbi [0.0]
APOGEEサーベイのためのANPEモデルをトレーニングし、モックスペクトルと実恒星スペクトルの両方で有効性を示す。
スペクトルデータに固有の計測ノイズ特性を効果的に処理する手法を提案する。
我々はANPEの「モデル動物園」の有用性について論じる。そこでは、モデルは特定の楽器のために訓練され、nbiフレームワークの下で配布される。
論文 参考訳（メタデータ） (2023-12-09T21:30:07Z) - Learning Robust Precipitation Forecaster by Temporal Frame Interpolation [65.5045412005064]
本研究では,空間的不一致に対するレジリエンスを示す頑健な降水予測モデルを構築した。
提案手法は,textit4cast'23コンペティションの移行学習リーダーボードにおいて,textit1位を確保したモデルにおいて,予測精度が大幅に向上した。
論文 参考訳（メタデータ） (2023-11-30T08:22:08Z) - A Novel Application of Conditional Normalizing Flows: Stellar Age
Inference with Gyrochronology [0.0]
データ駆動型アプローチは、他の標準手法に匹敵する精度でジャイロロノロジー年代を制約できることを示す。
この研究は、ジャイロロノロジー星年代測定の適用性を拡大する確率論的データ駆動解の可能性を示す。
論文 参考訳（メタデータ） (2023-07-17T18:00:19Z) - Astroconformer: Inferring Surface Gravity of Stars from Stellar Light
Curves with Transformer [1.122225892380515]
我々は、ケプラーミッションから恒星の光曲線を分析するトランスフォーマーベースのモデルであるAstroconformerを紹介する。
我々はアストラコンフォーマーが恒星表面重力を教師付きタスクとして強く推測できることを実証した。
また, この手法は, ルービン天文台からのカデンス光曲線の分離に応用可能であることを示す。
論文 参考訳（メタデータ） (2022-07-06T16:22:37Z) - Deep Learning Models of the Discrete Component of the Galactic
Interstellar Gamma-Ray Emission [61.26321023273399]
H2星間ガス中の小さな(あるいは離散的な)構造からの重要な点状成分がフェルミ・LATデータに存在する可能性がある。
深層学習は、これらの稀なH2プロキシによって追跡されるガンマ線放射を、データ豊富な領域において統計的に有意な範囲でモデル化するために効果的に利用される可能性がある。
論文 参考訳（メタデータ） (2022-06-06T18:00:07Z)
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。