面向日球物理的 AI 基础模型：应用、设计与实现
太阳与恒星天体物理
2024-10-16 v1 天体物理仪器与方法
计算机视觉与模式识别
摘要
深度学习方法在语言和视觉领域广泛研究，表明其在理解长序列数据方面的能力，以及在众多日球物理应用中的有用性。基于大规模数据集预训练的基础模型 (Foundation Model, FM)，是各种下游任务的基础。这些模型，特别是基于视觉和语言中的 transformer 模型，显示出在适应广泛下游应用方面的巨大潜力。本文提供了我们关于设计日球物理 FM 标准的视角，以及使用 Solar Dynamics Observatory (SDO) 数据所面临的挑战和应用。我们认为这是首个在日球物理领域设计基础模型的研究。
引用
@article{arxiv.2410.10841,
title = {AI Foundation Model for Heliophysics: Applications, Design, and Implementation},
author = {Sujit Roy and Talwinder Singh and Marcus Freitag and Johannes Schmude and Rohit Lal and Dinesha Hegde and Soumya Ranjan and Amy Lin and Vishal Gaur and Etienne Eben Vos and Rinki Ghosal and Badri Narayana Patro and Berkay Aydin and Nikolai Pogorelov and Juan Bernabe Moreno and Manil Maskey and Rahul Ramachandran},
journal= {arXiv preprint arXiv:2410.10841},
year = {2024}
}
备注
31 Pages, 12 figures