SuryaBench：推动日物理学和太空气象预测中机器学习发展的基准数据集
太阳与恒星天体物理
2025-08-21 v1 天体物理仪器与方法
人工智能
摘要
本文介绍了一个高分辨率、面向机器学习的日物理学数据集，源自 NASA 的太阳动力学观测站（SDO），专为推动太阳物理学和太空气象预测中的机器学习应用而设计。数据集包括来自大气成像合成仪（AIA）和日球震动与磁力计（HMI）的处理后图像，覆盖自 2010 年 5 月至 2024 年 7 月的整个日 cycle。为确保适用于机器学习任务，对数据进行了预处理，包括校正航天器滚转角度、轨道调整、曝光归一化和降质补偿。我们还提供了补充核心 SDO 数据集的辅助应用基准数据集，这些数据集为中心日物理学和太空气象任务提供基准应用，包括活动区分割、活动区涌现预测、日球磁场外推、日晕预测、日 EUV 光谱预测以及日风速估计。通过建立统一、标准化的数据集合，本数据集旨在促进基准测试，提高可重复性，并加速面向关键太空气象预测任务的人工智能驱动模型的开发，弥合日物理学、机器学习和操作预测之间的鸿沟。
引用
@article{arxiv.2508.14107,
title = {SuryaBench: Benchmark Dataset for Advancing Machine Learning in Heliophysics and Space Weather Prediction},
author = {Sujit Roy and Dinesha V. Hegde and Johannes Schmude and Amy Lin and Vishal Gaur and Rohit Lal and Kshitiz Mandal and Talwinder Singh and Andrés Muñoz-Jaramillo and Kang Yang and Chetraj Pandey and Jinsu Hong and Berkay Aydin and Ryan McGranaghan and Spiridon Kasapis and Vishal Upendran and Shah Bahauddin and Daniel da Silva and Marcus Freitag and Iksha Gurung and Nikolai Pogorelov and Campbell Watson and Manil Maskey and Juan Bernabe-Moreno and Rahul Ramachandran},
journal= {arXiv preprint arXiv:2508.14107},
year = {2025}
}