利用人工智能增强原位观测的任务科学产出：应对稀疏数据挑战
天体物理仪器与方法
2022-12-29 v1 地球与行星天体物理
机器学习
摘要
在地球磁层中，任意时刻在低速地球轨道之外进行原位观测的专用探测器不足十二个。因此，我们对其全球结构与演化、主要活动过程（磁暴与亚暴）的机制了解甚少。需发展新的人工智能（AI）方法，包括机器学习、数据挖掘与数据同化，以及新的AI赋能任务，以应对这一稀疏数据挑战。
引用
@article{arxiv.2212.13289,
title = {Artificial Intelligence to Enhance Mission Science Output for In-situ Observations: Dealing with the Sparse Data Challenge},
author = {M. I. Sitnov and G. K. Stephens and V. G. Merkin and C. -P. Wang and D. Turner and K. Genestreti and M. Argall and T. Y. Chen and A. Y. Ukhorskiy and S. Wing and Y. -H. Liu},
journal= {arXiv preprint arXiv:2212.13289},
year = {2022}
}
备注
4 pages, 1 figure; Heliophysics 2050 White Paper