論文の概要: SuryaBench: Benchmark Dataset for Advancing Machine Learning in Heliophysics and Space Weather Prediction

• arxiv url: http://arxiv.org/abs/2508.14107v1
• Date: Mon, 18 Aug 2025 00:05:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-21 16:52:41.192427
• Title: SuryaBench: Benchmark Dataset for Advancing Machine Learning in Heliophysics and Space Weather Prediction
• Title（参考訳）: SuryaBench: 生物物理学と宇宙天気予報における機械学習改善のためのベンチマークデータセット
• Authors: Sujit Roy, Dinesha V. Hegde, Johannes Schmude, Amy Lin, Vishal Gaur, Rohit Lal, Kshitiz Mandal, Talwinder Singh, Andrés Muñoz-Jaramillo, Kang Yang, Chetraj Pandey, Jinsu Hong, Berkay Aydin, Ryan McGranaghan, Spiridon Kasapis, Vishal Upendran, Shah Bahauddin, Daniel da Silva, Marcus Freitag, Iksha Gurung, Nikolai Pogorelov, Campbell Watson, Manil Maskey, Juan Bernabe-Moreno, Rahul Ramachandran,
• Abstract要約: 本稿では、NASAのソーラー・ダイナミクス・オブザーバ(SDO)から得られた高分解能で機械学習対応のヘリオフィジカルデータセットを紹介する。 このデータセットには、大気圧イメージングアセンブリ(AIA)とヘリオサイスミック・磁気画像処理(HMI)からの処理された画像が含まれている。 MLタスクの適合性を確保するため、データは前処理され、宇宙船のロール角の補正、軌道調整、露出正規化、劣化補正が行われた。
• 参考スコア（独自算出の注目度）: 2.288747975391298
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper introduces a high resolution, machine learning-ready heliophysics dataset derived from NASA's Solar Dynamics Observatory (SDO), specifically designed to advance machine learning (ML) applications in solar physics and space weather forecasting. The dataset includes processed imagery from the Atmospheric Imaging Assembly (AIA) and Helioseismic and Magnetic Imager (HMI), spanning a solar cycle from May 2010 to July 2024. To ensure suitability for ML tasks, the data has been preprocessed, including correction of spacecraft roll angles, orbital adjustments, exposure normalization, and degradation compensation. We also provide auxiliary application benchmark datasets complementing the core SDO dataset. These provide benchmark applications for central heliophysics and space weather tasks such as active region segmentation, active region emergence forecasting, coronal field extrapolation, solar flare prediction, solar EUV spectra prediction, and solar wind speed estimation. By establishing a unified, standardized data collection, this dataset aims to facilitate benchmarking, enhance reproducibility, and accelerate the development of AI-driven models for critical space weather prediction tasks, bridging gaps between solar physics, machine learning, and operational forecasting.
• Abstract（参考訳）: 本稿では、NASAのソーラー・ダイナミクス・オブザーバ(SDO)から派生した高分解能で機械学習対応のヘリオフィジカルデータセットについて紹介する。 このデータセットには、2010年5月から2024年7月までの太陽周期にわたる、大気イメージングアセンブリ(AIA)とHelioseismic and Magnetic Imager(HMI)からの処理された画像が含まれている。 MLタスクの適合性を確保するため、データは前処理され、宇宙船のロール角の補正、軌道調整、露出正規化、劣化補正が行われた。 また、コアSDOデータセットを補完する補助アプリケーションベンチマークデータセットも提供します。 これらは、活動領域のセグメンテーション、活動領域の出現予測、コロナ電場外挿、太陽フレア予測、太陽EUVスペクトル予測、太陽風速推定など、中心的なヘリオフィックや宇宙気象タスクに対するベンチマークの応用を提供する。 このデータセットは、統一された標準化されたデータ収集を確立することで、ベンチマークを促進し、再現性を高め、重要な宇宙天気予報タスク、太陽物理学、機械学習、運用予測の間のギャップを埋めるためのAI駆動モデルの開発を加速することを目的としている。

関連論文リスト

• Surya: Foundation Model for Heliophysics [3.5997539202699724]
  汎用的な太陽表象を学習するために設計されたヘリオフィジカルのための366Mパラメータ基礎モデルであるSuryaを紹介する。 パラメータ効率の低い低時間適応Rank (LoRA) を用いた下流微調整は高い性能を示す一方で, 太陽のダイナミクスやフレア現象を予測する能力を示す。 その新しいアーキテクチャと性能は、このモデルが太陽の進化の背後にある物理学を学ぶことができることを示唆している。
  論文  参考訳（メタデータ） (2025-08-18T05:44:25Z)
• Conceptual framework for the application of deep neural networks to surface composition reconstruction from Mercury's exospheric data [77.40388962445168]
  本研究では、ディープニューラルネットワーク(DNN)を用いた中性外気圏のその場測定から水銀のレゴリス元素組成の導出の可能性について検討する。 本稿では,下記表層リゴリスの化学成分を予測した制御フィードフォワードDNNアーキテクチャを提案する。 表面と外圏の相互作用や、外圏の形成に至る過程を推定する指標として機能する。
  論文  参考訳（メタデータ） (2025-05-16T09:52:45Z)
• CirT: Global Subseasonal-to-Seasonal Forecasting with Geometry-inspired Transformer [47.65152457550307]
  重力の循環特性をモデル化する幾何インスパイアされた循環変換器(CirT)を提案する。 地球再分析5(ERA5)再解析データセットの実験は、我々のモデルが先進的なデータ駆動モデルよりも大幅に改善することを示した。
  論文  参考訳（メタデータ） (2025-02-27T04:26:23Z)
• Solar synthetic imaging: Introducing denoising diffusion probabilistic models on SDO/AIA data [0.0]
  本研究では、生成的深層学習モデル、特にDenoising Diffusion Probabilistic Model (DDPM)を用いて、太陽現象の合成画像を作成することを提案する。 SDO宇宙船に搭載されたAIA機器のデータセットを利用することで、データ不足問題に対処することを目指している。 DDPMのパフォーマンスは、クラスタメトリクス、Frechet Inception Distance (FID)、F1スコアを用いて評価され、現実的な太陽画像を生成する上で有望な結果を示している。
  論文  参考訳（メタデータ） (2024-04-03T08:18:45Z)
• Forecasting SEP Events During Solar Cycles 23 and 24 Using Interpretable Machine Learning [38.321248253111776]
  我々は、新しいデータプロダクトの予測可能性を評価するために、一連の機械学習戦略を用いて、事後SEPイベントの予測を行う。 データ量の増大にもかかわらず、予測精度は 0.7 + 0.1 に達し、これはこれらのベンチマークに合致するが、公表されたベンチマークを超えない。
  論文  参考訳（メタデータ） (2024-03-04T23:12:17Z)
• 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)
• 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)
• Solar Active Region Magnetogram Image Dataset for Studies of Space Weather [0.0]
  このデータセットには3つのソースからのデータが含まれており、太陽活動領域のSDOヘリオサイスミックおよび磁気画像(HMI)マグネティックグラムを提供する。 このデータセットは、磁気構造、時間の経過とともに進化し、太陽フレアとの関係に関する画像解析や太陽物理学の研究に有用である。 このデータセットは、太陽フレア予測研究のベンチマークデータセットとして機能する、太陽活動領域の一定サイズの画像の、最小限の処理されたユーザーデータセットである。
  論文  参考訳（メタデータ） (2023-05-16T14:44:24Z)
• A Comparative Study on Generative Models for High Resolution Solar Observation Imaging [59.372588316558826]
  本研究は、観測された太陽活動状態の背後にあるデータ分布を正確に捉えるために、現在の最先端生成モデルの能力について検討する。 スーパーコンピュータ上での分散トレーニングを用いて、人間の専門家が区別できない高品質なサンプルを生成する、最大1024x1024解像度の生成モデルを訓練することができる。
  論文  参考訳（メタデータ） (2023-04-14T14:40:32Z)

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。