基于机器学习方法的太阳黑子群参数化
太阳与恒星天体物理
2022-02-23 v2 天体物理仪器与方法
摘要
白光中观测到的太阳黑子群呈现为复杂结构。对这些结构的分析通常基于简单的形态描述符，其仅捕捉通用属性而遗漏精细细节信息。我们提出一种机器学习方法，以引入对太阳黑子群完整且紧凑的描述。其思想是将太阳黑子群图像映射至适当的低维（潜）空间。我们结合变分自编码器与主成分分析，得到一组 285 个潜描述符。我们证明标准描述符已嵌入潜描述符之中。因此，潜特征可视为太阳黑子群的扩展描述，且我们认为其可拓展太阳黑子群研究的可能性。特别地，我们展示了用于估计太阳黑子群复杂度的应用。所提参数化模型具有通用性，可应用于对各种谱线中观测到的其他太阳活动痕迹的研究。本工作的关键组成部分——参数化模型、太阳黑子群数据集与潜向量——已在公开 GitHub 仓库 github.com/observethesun/sunspot_groups 提供，可用于复现结果及进一步研究。
引用
@article{arxiv.2201.05840,
title = {Parametrization of sunspot groups based on machine learning approach},
author = {Egor Illarionov and Andrey Tlatov},
journal= {arXiv preprint arXiv:2201.05840},
year = {2022}
}