用于空间天气预测的深度学习：弥合太阳物理数据与理论之间的鸿沟
天体物理仪器与方法
2022-12-29 v1 太阳与恒星天体物理
机器学习
大气与海洋物理
空间物理
摘要
传统上，数据分析和理论被视为独立的学科，各自催生出根本不同类型的模型。现代深度学习技术正开始统一这两个学科，并将产生一类新的具有强大预测能力的空间天气模型，其结合了由数据和理论获得的物理洞察。我们呼吁 NASA 投资必要的研究与基础设施，以使太阳物理学界能够利用这些进展。
引用
@article{arxiv.2212.13328,
title = {Deep Learning for Space Weather Prediction: Bridging the Gap between Heliophysics Data and Theory},
author = {John C. Dorelli and Chris Bard and Thomas Y. Chen and Daniel Da Silva and Luiz Fernando Guides dos Santos and Jack Ireland and Michael Kirk and Ryan McGranaghan and Ayris Narock and Teresa Nieves-Chinchilla and Marilia Samara and Menelaos Sarantos and Pete Schuck and Barbara Thompson},
journal= {arXiv preprint arXiv:2212.13328},
year = {2022}
}
备注
Heliophysics 2050 White Paper