論文の概要: Toward Data-Driven Surrogates of the Solar Wind with Spherical Fourier Neural Operator

• arxiv url: http://arxiv.org/abs/2511.22112v1
• Date: Thu, 27 Nov 2025 05:05:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-01 19:47:55.402631
• Title: Toward Data-Driven Surrogates of the Solar Wind with Spherical Fourier Neural Operator
• Title（参考訳）: 球状フーリエニューラル演算子を用いた太陽風のデータ駆動サロゲートに向けて
• Authors: Reza Mansouri, Dustin Kempton, Pete Riley, Rafal Angryk,
• Abstract要約: 球状フーリエニューラル演算子(SFNO)を用いた定常太陽風モデリング用サロゲートの開発 SFNOは、複数のメトリクスで同等またはより良いパフォーマンスを実現していることを示す。 フレキシブルでトレーニング可能なアプローチとして、SFNOは効率的なリアルタイム予測を可能にし、より多くのデータで改善することができる。
• 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: The solar wind, a continuous stream of charged particles from the Sun's corona, shapes the heliosphere and impacts space systems near Earth. Variations such as high-speed streams and coronal mass ejections can disrupt satellites, power grids, and communications, making accurate modeling essential for space weather forecasting. While 3D magnetohydrodynamic (MHD) models are used to simulate and investigate these variations in the solar wind, they tend to be computationally expensive, limiting their usefulness in investigating the impacts of boundary condition uncertainty. In this work, we develop a surrogate for steady state solar wind modeling, using a Spherical Fourier Neural Operator (SFNO). We compare our model to a previously developed numerical surrogate for this task called HUX, and we show that the SFNO achieves comparable or better performance across several metrics. Though HUX retains advantages in physical smoothness, this underscores the need for improved evaluation criteria rather than a flaw in SFNO. As a flexible and trainable approach, SFNO enables efficient real-time forecasting and can improve with more data. The source code and more visual results are available at https://github.com/rezmansouri/solarwind-sfno-velocity.
• Abstract（参考訳）: 太陽風は太陽のコロナからの荷電粒子の連続的な流れであり、太陽圏を形成し、地球近傍の宇宙システムに影響を与える。 高速ストリームやコロナ質量放出のような変動は、衛星、電力網、通信を妨害し、正確なモデリングを宇宙天気予報に欠かせないものにする。 3次元磁気流体力学(MHD)モデルは、太陽風のこれらの変動をシミュレートし、調査するために用いられるが、それらは計算コストが高く、境界条件の不確実性の影響を調べるのに有用性を制限する傾向がある。 本研究では、SFNO(Spherical Fourier Neural Operator)を用いて、定常太陽風モデリングのためのサロゲートを開発する。 我々は,従来開発されたHUXと呼ばれるタスクの数値サロゲートと比較し,SFNOが複数の指標に対して同等あるいはより良い性能を達成することを示す。 HUXは物理的滑らかさの利点を保っているが、このことはSFNOの欠陥よりも評価基準の改善の必要性を浮き彫りにしている。 フレキシブルでトレーニング可能なアプローチとして、SFNOは効率的なリアルタイム予測を可能にし、より多くのデータで改善することができる。 ソースコードとより視覚的な結果はhttps://github.com/rezmansouri/solarwind-sfno-velocity.comで公開されている。

関連論文リスト

• Autoregressive Surrogate Modeling of the Solar Wind with Spherical Fourier Neural Operator [0.0]
  太陽風放射速度を安定させるための,最初の自己回帰型機械学習サロゲートを提案する。 このモデルは、単一ステップアプローチと比較して、遠方の領域での精度を向上させる。 数値的なHUXサロゲートと比較すると、SFNOは優れた性能または同等のパフォーマンスを示す。
  論文  参考訳（メタデータ） (2025-11-25T20:30:03Z)
• Transforming Weather Data from Pixel to Latent Space [57.80389860291812]
  本稿では,気象データを画素空間から潜在空間に変換する新しい気象遅延オートエンコーダを提案する。 ERA5-latent データセットの作成を可能にするため,圧縮性能と再構成性能に優れることを示す。
  論文  参考訳（メタデータ） (2025-03-09T13:55:33Z)
• Atmospheric Transport Modeling of CO$_2$ with Neural Networks [46.26819563674888]
  大気中のCO$の分布を大気トレーサー輸送モデルで正確に記述することは、温室効果ガスモニタリングおよび検証支援システムに不可欠である。 大きな深層ニューラルネットワークは、大気の3Dモデリングを必要とする気象予報に革命を起こす可能性がある。 本研究では,気象予測の最先端として実証された4種類の深層ニューラルネットワークについて検討し,大気トレーサー輸送モデルの有用性について検討した。
  論文  参考訳（メタデータ） (2024-08-20T17:33:20Z)
• TriQXNet: Forecasting Dst Index from Solar Wind Data Using an Interpretable Parallel Classical-Quantum Framework with Uncertainty Quantification [2.9169256573820284]
  地磁気嵐はGPS、衛星通信、電力網などの重要なインフラを破壊する可能性がある。 本研究は、Dst予測のためのハイブリッド古典量子ニューラルネットワークであるTriQXNetを紹介する。 我々のモデルは、古典的および量子コンピューティング、共形予測、およびハイブリッドアーキテクチャ内に説明可能なAI(XAI)を統合する。
  論文  参考訳（メタデータ） (2024-07-09T08:30:42Z)
• Global-local Fourier Neural Operator for Accelerating Coronal Magnetic Field Model [17.256941005824576]
  FNOの2つの分岐を含むグローバルローカルフーリエニューラル演算子(GL-FNO)を提案する。 GLFNOの性能は、FNO、U-NO、U-FNO、Vision Transformer、CNN-RNN、CNN-LSTMといった最先端のディープラーニング手法と比較される。 その結果、GL-FNOはMHDシミュレーションを加速するだけでなく、信頼性の高い予測能力も提供し、宇宙気象力学の理解に大きく貢献することが示された。
  論文  参考訳（メタデータ） (2024-05-21T13:04:53Z)
• Spherical Fourier Neural Operators: Learning Stable Dynamics on the Sphere [53.63505583883769]
  球面幾何学の演算子を学習するための球面FNO(SFNO)を紹介する。 SFNOは、気候力学の機械学習に基づくシミュレーションに重要な意味を持つ。
  論文  参考訳（メタデータ） (2023-06-06T16:27:17Z)
• 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 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)
• 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。