論文の概要: Discovering Dual-Origin Slow Wind from Solar Orbiter with Self-Supervised Contrastive Learning

• arxiv url: http://arxiv.org/abs/2608.22065v1
• Date: Sat, 22 Aug 2026 18:13:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-25 13:29:43.578547
• Title: Discovering Dual-Origin Slow Wind from Solar Orbiter with Self-Supervised Contrastive Learning
• Title（参考訳）: 自己監督型コントラスト学習による太陽軌道からのデュアルオリジンスロー風の発見
• Abstract要約: 本稿では,自己監督型コントラストディープクラスタリング(CDC)フレームワークであるSolar-CDCを紹介する。 CDCはトランスフォーマーエンコーダを介してプラズマ観測装置を潜伏空間にマッピングする。 我々は, t-SNE や UMAP などの近傍保存型埋め込みが基本的に制約されていることを証明した。
• 参考スコア（独自算出の注目度）: 3.158346511479111
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Whether the slow solar wind originates from one coronal source or two distinct channels remains a central open question in heliophysics. Resolving this requires unsupervised separation of two populations that arrive at nearly the same bulk speed and differ mainly in heavy-ion composition. We present Solar-CDC, a self-supervised contrastive deep clustering (CDC) framework that maps plasma observables to a latent space via a Transformer encoder, optimizes a triplet margin loss, and updates pseudo-labels via $k$-means. Theoretically, we prove that neighborhood-preserving embeddings such as t-SNE and UMAP are fundamentally constrained. Preserving the neighbor graph leaves the cross-cluster cut fraction unchanged, and preserving all but a fraction $\varepsilon$ of its links moves that fraction by at most $\varepsilon$. Neither bound depends on the target dimension. A margin objective rewrites the graph and drives the cut fraction to zero. Empirically, on 30,602 Solar Orbiter observations, thirty combinations of dimensionality reduction and clustering peak at a silhouette of $0.454$, whereas Solar-CDC reaches $0.869$. Escaping the geometric bound alone does not guarantee physical validity: TriMap also optimizes triplets and reaches $0.824$, yet its clusters score below chance against the published composition taxonomy. Solar-CDC instead recovers clusters with mean charge-state ratios of $0.080$, $0.160$, and $0.400$, placing the intermediate population inside the window associated with coronal-hole boundaries. Even when the defining charge-state ratio is withheld from the inputs entirely, the model still recovers the taxonomy defined on it. Solar-CDC thus connects self-supervised representation learning to coronal source diagnostics. Importantly, a learning loss recovers physical populations only when driven by dynamically updated physically-aware clusters rather than distances.
• Abstract（参考訳）: 遅い太陽風が1つのコロナ・ソースから生じるのか、2つの異なるチャネルから生じるのかは、ヘリオ物理における中心的な疑問である。 これを解決するには、ほとんど同じバルク速度で到達し、主に重イオン組成が異なる2つの集団の教師なし分離が必要である。 筆者らは,Transformerエンコーダを用いてプラズマ可観測体を潜伏空間にマッピングし,三重項マージン損失を最適化し,$k$-meansで擬似ラベルを更新する,自己監督型コントラッシブ・ディープ・クラスタリング(CDC)フレームワークであるSolar-CDCを提案する。 理論的には、t-SNE や UMAP のような近傍保存型埋め込みは基本的に制約されている。 隣のグラフを保存すると、クロスクラスタカットの分画はそのまま残され、そのリンクの分画$\varepsilon$を除いては、少なくとも$\varepsilon$は、その分画を移動させる。 どちらの境界も対象寸法に依存しない。 マージンの目的がグラフを書き換え、カット率を0に駆動する。 実証的に、30,602太陽軌道観測では、次元減少とクラスタリングピークの30の組み合わせが0.454ドルであり、ソーラーCDCは0.869ドルである。 TriMapはまた、三つ子を最適化し、0.824$に達するが、そのクラスタは、公表された構成分類に対してチャンスを下回る。 代わりに、ソーラーCDCは平均電荷-状態比0.080$、0.160$、0.400$のクラスターを回収し、中間個体群をコロナホール境界に関連する窓の中に配置する。 定義された電荷状態比が入力から完全に守られなくても、モデルが定義した分類を回復する。 そのため、Solar-CDCは自己教師付き表現学習とコロナソース診断を結びつける。 重要なことは、学習損失は、距離ではなく、動的に更新された物理的に認識されたクラスタによって駆動される場合にのみ、物理的人口を回復させることである。

関連論文リスト

• $\ ext{GSF-}χ$: Global Stereochemical Fields for Chiral Graph Transformers [49.85093436361195]
  GSF-$$は、全ての対の相互作用をステレオジェニック単位が変調するグラフ変換器である。 $C$プロジェクションはミラーオンのECDピークカウントと位置をミラーオードピークサインから分離する。 GSF-$$は全ての中央ECD出力をリードし、軸方向回転とシンボルを最強のベースラインで12.6%$と7.9%$で改善する。
  論文  参考訳（メタデータ） (2026-09-11T07:41:20Z)
• Nonlocality-induced critical-length hierarchy from non-Hermitian competition [48.9823527611878]
  2つの連結鎖からなる短距離系において、競合は臨界長法則$N_csimln D$に導かれる。 ここでは、長距離ホッピングがこの臨界挙動を根本的に再編成し、異なるスケーリング法則の階層を生成することを示す。 この結果は,プログラム可能なトポ誘電回路,フォトニック格子,デジタル量子シミュレータでテスト可能なプラットフォーム非依存のフレームワークを提供する。
  論文  参考訳（メタデータ） (2026-08-03T18:00:18Z)
• Beyond Orbital Rotations: Correlation-Rank Limits and Clifford-Accessible Measurement, from Algebra and Global Optimization [0.0]
  連続RANGEは物理的回転角を独立に探索し、この正確なトレードオフを裏付ける。 スピン保存するジョルダン・ウィグナー分子ハミルトニアンに対しては、任意のパウリ部分集合に対してパリティ天井$r_X le 2(N-1)$も証明する。 RANGE の離散モードは、分子および生産上の f-要素ハミルトニアンをまたいで、X$-rank commuting family を探索する。
  論文  参考訳（メタデータ） (2026-07-18T16:14:30Z)
• Multi-Modal Spatio-Temporal Graph Neural Network with Mixture of Experts for Soil Organic Carbon Prediction [0.0]
  既存のアプローチでは、手作りのコモーダルを古典的なMLとペアリングするか、豊富なスペクトルと時間情報を見逃す単一モードのディープモデルである。 本稿では,SpTGNNとグリッドベースアーキテクチャの両方に対処するマルチテンポラルグラフニューラルネットワークであるSpTG-NNを紹介する。 微調整されたTerraMindエンコーダは、Sentinel-2、Sentinel-1、DEM信号からノード特徴を抽出する。
  論文  参考訳（メタデータ） (2026-06-15T11:25:38Z)
• Scaling Parallel Sequence Models to Foundation-Scale Vision Encoders [123.58723804218151]
  ビジョンファウンデーションモデルは、自己注意の二次的なコストによってボトルネックとなる。 2次元空間伝搬伝搬に基づくC-GSPNを提案する。
  論文  参考訳（メタデータ） (2026-05-30T14:29:43Z)
• Breaking the Entanglement-Structure Trade-off: Many-Body Localization Protects Emergent Holographic Geometry in Random Tensor Networks [0.7310043452300737]
  ランダムテンソルネットワーク(RTN)における「絡み合い幾何学的重力」連鎖について検討する。 多体局在は、創発的なホログラフィック幾何学を熱化から保護するメカニズムである。 古典的なセルオートマトンとの比較により、MBLは量子モノガミーによって課される絡み合い構造のトレードオフをユニークに破ることが明らかになった。
  論文  参考訳（メタデータ） (2026-04-06T11:20:08Z)
• SVG-EAR: Parameter-Free Linear Compensation for Sparse Video Generation via Error-aware Routing [77.91660464664615]
  Diffusion Transformers (DiTs) はビデオ生成において主要なバックボーンとなっているが、その二次的注意コストは依然として大きなボトルネックとなっている。 本稿では,不足しているコントリビューションをトレーニングなしで回収できることを示す。 パラメータフリーな線形補償分岐であるSVG-EARを導入する。
  論文  参考訳（メタデータ） (2026-03-09T22:15:31Z)
• On the Sparsifiability of Correlation Clustering: Approximation Guarantees under Edge Sampling [6.908972852063454]
  相関クラスタリング(CC)は基本的な教師なし学習プリミティブである。 LPベースの保証を維持するためには,どの程度のエッジ情報が必要であるかを検討する。 ヤオのミニマックス原理を通して、擬距離構造がなければ、任意のアルゴリズムが$o(n)$一様ランダムエッジを観測すると近似比が生じることを示す。
  論文  参考訳（メタデータ） (2026-02-14T09:12:15Z)
• Tensor Decomposition Networks for Fast Machine Learning Interatomic Potential Computations [48.46721044282335]
  テンソル分解ネットワーク(TDN)は、計算処理の劇的な高速化と競合する性能を実現する。 1億5500万のDFT計算スナップショットを含む分子緩和データセットPubChemQCRのTDNを評価した。 その結果,TDNは計算処理の劇的な高速化と競合する性能を示した。
  論文  参考訳（メタデータ） (2025-07-01T18:46:27Z)
• Near-Optimal Clustering in Mixture of Markov Chains [74.3828414695655]
  我々は、長さ$H$の軌跡を、大きさ$S$の有限状態空間上の未知のエルゴードマルコフ鎖の1つによって生成される、$T$ trajectories of length $H$の問題を研究する。 我々は、連鎖の遷移核間の重み付きKL分散によって支配されるクラスタリングエラー率に基づいて、インスタンス依存で高い確率の低い境界を導出する。 次に,新しい2段階クラスタリングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-06-02T05:10:40Z)
• KPZ scaling from the Krylov space [83.88591755871734]
  近年,Cardar-Parisi-Zhangスケーリングをリアルタイムの相関器や自動相関器に示す超拡散が報告されている。 これらの結果から着想を得て,Krylov演算子に基づく相関関数のKPZスケーリングについて検討する。
  論文  参考訳（メタデータ） (2024-06-04T20:57:59Z)
• Clustered Switchback Designs for Experimentation Under Spatio-temporal Interference [44.644520116360106]
  我々は, 平均治療効果 (GATE) を推定し, 全単位を常に治療やコントロールに曝露した平均結果の差を推定した。 そこで我々は,単位をクラスタにグループ化し,時間ステップをブロックにグループ化する,クラスタ化されたスイッチバック設計を提案する。 良好なクラスタリングを許容するグラフに対して, トラッピングされたHorvitz-Thompson推定器が$tilde O(1/NT)$平均二乗誤差(MSE)を達成することを示す。 我々の結果は、citethu2022switchback、ugander2013graph、citetleung2022rateの結果を同時に一般化する。
  論文  参考訳（メタデータ） (2023-12-25T01:00:58Z)
• Petz recovery from subsystems in conformal field theory [0.22940141855172036]
  本研究では,CFTの真空状態の多部構造を1+1次元で探索する。 本研究では, 原状態と回収状態の間の距離, 相対エントロピー, トレース距離などの距離測定について検討した。 距離測度はそれぞれ、UV有限であり、CFTの演算子内容とは独立であることを示す。
  論文  参考訳（メタデータ） (2023-07-26T18:06:28Z)
• Posterior Coreset Construction with Kernelized Stein Discrepancy for Model-Based Reinforcement Learning [78.30395044401321]
  我々は、強化学習(MBRL)のための新しいモデルベースアプローチを開発する。 ターゲット遷移モデルの仮定を緩和し、混合モデルの一般的な族に属する。 連続的な制御環境では、壁時計の時間を最大50%削減することができる。
  論文  参考訳（メタデータ） (2022-06-02T17:27:49Z)

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。