論文の概要: SolARED: Solar Active Region Emergence Dataset for Machine Learning Aided Predictions

• arxiv url: http://arxiv.org/abs/2601.13145v1
• Date: Mon, 19 Jan 2026 15:25:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-21 22:47:22.953199
• Title: SolARED: Solar Active Region Emergence Dataset for Machine Learning Aided Predictions
• Title（参考訳）: SolARED: 機械学習支援予測のための太陽活動領域創発データセット
• Authors: Spiridon Kasapis, Eren Dogan, Irina N. Kitiashvili, Alexander G. Kosovichev, John T. Stefan, Jake D. Butler, Jonas Tirona, Sarang Patil, Mengjia Xu,
• Abstract要約: 太陽活動領域エネルジェンスデータセット(Solar Active Region Emergence dataset, SolARED)は、太陽ダイナミクス観測所(Solar Dynamics Observatory, SDO)に搭載されたHelioseismic and Magnetic Imager (HMI)によって得られたドップラー速度、磁場、連続体強度のフルディスクマップから得られる。 SolAREDには、2010年から2023年の間に太陽円盤上で観測された周辺地域だけでなく、太陽振動の音響パワー、符号なしの磁束、50個の大きなARの強度の進化を特徴付ける、一連のリマップ、追跡、ビン付きデータが含まれている。
• 参考スコア（独自算出の注目度）: 33.14810385896251
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The development of accurate forecasts of solar eruptive activity has become increasingly important for preventing potential impacts on space technologies and exploration. Therefore, it is crucial to detect Active Regions (ARs) before they start forming on the solar surface. This will enable the development of early-warning capabilities for upcoming space weather disturbances. For this reason, we prepared the Solar Active Region Emergence Dataset (SolARED). The dataset is derived from full-disk maps of the Doppler velocity, magnetic field, and continuum intensity, obtained by the Helioseismic and Magnetic Imager (HMI) onboard the Solar Dynamics Observatory (SDO). SolARED includes time series of remapped, tracked, and binned data that characterize the evolution of acoustic power of solar oscillations, unsigned magnetic flux, and continuum intensity for 50 large ARs before, during, and after their emergence on the solar surface, as well as surrounding areas observed on the solar disc between 2010 and 2023. The resulting ML-ready SolARED dataset is designed to support enhancements of predictive capabilities, enabling the development of operational forecasts for the emergence of active regions. The SolARED dataset is available at https://sun.njit.edu/sarportal/, through an interactive visualization web application.
• Abstract（参考訳）: 太陽爆発活動の正確な予測の開発は、宇宙技術や探査への潜在的な影響を防ぐためにますます重要になっている。 そのため、太陽表面に形成を始める前に活動領域(AR)を検出することが重要である。 これにより、今後の宇宙気象障害の早期警戒機能の開発が可能になる。 そのため、Solar Active Region Emergence Dataset (SolARED) を作成した。 このデータセットは、ソーラー・ダイナミクス・オブザーバ (SDO) に搭載されたHelioseismic and Magnetic Imager (HMI) によって得られたドップラー速度、磁場、連続体強度のフルディスクマップから得られた。 SolAREDには、2010年から2023年の間に太陽円盤上で観測された周辺地域だけでなく、太陽振動の音響パワー、符号なしの磁束、50個の大きなARの継続強度の進化を特徴付ける一連のリマップ、追跡、バイナリデータが含まれている。 ML対応のSolAREDデータセットは、予測機能の拡張をサポートし、アクティブリージョンの出現に対する運用予測の開発を可能にするように設計されている。 SolAREDデータセットはインタラクティブな可視化Webアプリケーションを通じてhttps://sun.njit.edu/sarportal/で入手できる。

関連論文リスト

• Ultra-short-term solar power forecasting by deep learning and data reconstruction [60.200987006598524]
  深層学習に基づく超短周期太陽エネルギー予測とデータ再構成を提案する。 我々は、ターゲット予測期間に対する長期的および短期的依存関係をキャプチャするために、ディープラーニングモデルを用いる。
  論文  参考訳（メタデータ） (2025-09-21T14:22:35Z)
• SuryaBench: Benchmark Dataset for Advancing Machine Learning in Heliophysics and Space Weather Prediction [2.288747975391298]
  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。
  論文  参考訳（メタデータ） (2025-08-18T00:05:01Z)
• 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)
• Predicting the Emergence of Solar Active Regions Using Machine Learning [41.94295877935867]
  今後の宇宙気象障害の早期警戒機能を作成するため、61の新興活動領域のデータセットを選択した。 太陽ダイナミクス観測衛星(SDO)に搭載されたヘリオサイスミック・磁気画像装置(HMI)からのドップラーシフトと連続強度観測を利用した。 我々は,次の磁束発生に伴う音響パワーフラックス密度の変動を捉える機械学習モデルを開発した。
  論文  参考訳（メタデータ） (2024-02-14T01:41:50Z)
• 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。