使用 U-Net 创建太阳日冕的高保真虚拟观测
太阳与恒星天体物理
2019-11-12 v1 天体物理仪器与方法
机器学习
空间物理
摘要
理解和监测太阳复杂而动态的过程对地球上和太空中的许多人类活动十分重要。为此，NASA 的太阳动力学天文台（SDO）自 2010 年发射以来一直以高分辨率持续监测多层太阳大气，每天产生数 TB 的观测数据。机器学习与这一海量数据之间的协同作用，在推进我们对太阳的理解并扩展太阳物理任务能力方面具有尚未被充分发掘的潜力。在本工作中，我们展示了应用于 SDO 数据的深度学习可成功用于创建高保真虚拟望远镜，通过图像翻译生成太阳日冕的合成观测。为此，我们开发了结构为带跳跃连接的编码器-解码器（U-Net）的深度神经网络，该网络在给定三个其他通道的时间对齐图像的情况下重建某一仪器通道的太阳图像。我们提出的方法有潜力降低 SDO 的遥测需求，增强观测通道较少的任务的能力，并变革未来任务的概念研发。
引用
@article{arxiv.1911.04006,
title = {Using U-Nets to Create High-Fidelity Virtual Observations of the Solar Corona},
author = {Valentina Salvatelli and Souvik Bose and Brad Neuberg and Luiz F. G. dos Santos and Mark Cheung and Miho Janvier and Atilim Gunes Baydin and Yarin Gal and Meng Jin},
journal= {arXiv preprint arXiv:1911.04006},
year = {2019}
}
备注
5 pages, 6 figures, Accepted at the NeurIPS 2019 Workshop ML4PS