Москва, Россия
Москва, Россия
Москва, Россия
Исследуется возможность использования методов машинного обучения для анализа наблюдений с помощью научной аппаратуры «Солнце-Терагерц», изготовленной в ФИАН для установки на российском сегменте МКС. Научная аппаратура состоит из восьми детекторов, целевые частоты которых лежат в диапазоне 0.4–12.0 ТГц. Одной из основных целей эксперимента является изучение солнечных вспышек, спектр которых в этом диапазоне часто имеет U-образную форму. Основное внимание при определении параметров спектра уделено определению спектральных индексов спадающей и растущей частей спектра, а также положения точки перегиба. Для обучения алгоритмов использовались модельные данные интенсивности излучения, проходящего в оптические тракты научной аппаратуры. Данные были получены методами численного интегрирования. Проведенный анализ показал, что алгоритм Stacking демонстрирует наилучшую точность определения параметров спектра и может быть интегрирован в систему обработки данных будущего эксперимента на МКС, обеспечивая автоматическое предварительное восстановление параметров спектров солнечных вспышек.
Солнце, вспышка, субмиллиметровое излучение, машинное обучение
1. Altman N.S. An introduction to kernel and nearest-neighbor nonparametric regression. The American Statistician. 1992, vol. 46, no. 3, pp. 175–185.
2. Breiman L. Random forests. Machine Learning. 2001, vol. 45, pp. 5–32.
3. Chen T., Guestrin C. Xgboost: A scalable tree boosting system. Proc. of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. San Francisco, 2016, pp. 785–794. DOI:https://doi.org/10.1145/2939672.2939785.
4. Cortes C., Vapnik V. Support-vector networks. Machine Learning. 1995, vol. 20, pp. 273–297.
5. Cristiani G., De Castro C.G.G., Luoni M.L., et al. Observed flux density enhancement at submillimeter wavelengths during an X-class flare. Adv. Space Res. 2007, vol. 39, iss. 9, pp. 1445–1450. DOI:https://doi.org/10.1016/j.asr.2007.02.039.
6. Cristiani G., De Castro C.G.G., Mandrini C.H., et al. Asymmetric precipitation in a coronal loop as explanation of a singular observed spectrum. Adv. Space Res. 2009, vol. 44, iss. 11, pp. 1314–1320. DOI:https://doi.org/10.1016/j.asr.2009.06.012.
7. De Castro C.G.G., Kaufmann P., Raulin J.P. Recent results on solar activity at submillimeter wavelengths. Adv. Space Res. 2005, vol. 35, iss. 10, pp. 1769–1773. DOI:https://doi.org/10.1016/j.asr.2005.03.083.
8. Duncan N., Saint-Hilaire P., Shih A.Y., et al. First flight of the Gamma-Ray Imager/Polarimeter for Solar flares (GRIPS) instrument. Space Telescopes and Instrumentation 2016: Ultraviolet to Gamma Ray. Edinburgh, 2016, vol. 9905, p. 876. DOI:https://doi.org/10.1117/12.2233859.
9. Hosmer Jr D.W., Lemeshow S., Sturdivant R.X. Applied logistic regression. John Wiley & Sons, Inc., 2013. 510 p.
10. Jolliffe I.T., Cadima J. Principal component analysis: a review and recent developments. Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences. 2016, vol. 374:20150202, iss. 2065. DOI:https://doi.org/10.1098/rsta.2015.0202.
11. Kalinin E.V., Philippov M.V., Makhmutov V.S., et al. A study of the characteristics of a terahertz radiation detector for the Solntse-Terahertz scientific apparatus. Cosmic Res. 2021, vol. 59, iss. 1, pp. 1–5. DOI:https://doi.org/10.1134/S0010952521010032.
12. Kaufmann P., Raulin J.P, De Castro C.G.G., et al. A new solar burst spectral component emitting only in the terahertz range. ApJ. Lett. 2004, vol. 603, iss. 2, pp. L121–L124. DOI:https://doi.org/10.1086/383186.
13. Kaufmann P., Abrantes A., Bortolucci E.C., et al. THz solar observations on board of a trans-Antarctic stratospheric balloon flight. 41st International Conference on Infrared, Millimeter, and Terahertz waves (IRMMW-THz). Copenhagen, 2016, p. 1. DOI:https://doi.org/10.1109/IRMMW-THz.2016.7758395.
14. Ke G., Meng Q., Finley T., et al. Lightgbm: A highly efficient gradient boosting decision tree. 31st Conference on Neural Information Processing Systems (NIPS–2017), Long Beach, 2017, vol. 30.
15. Krucker S., De Castro C.G.G., Hudson H.S., et al. Solar flares at submillimeter wavelengths. Astron. Astrophys. Rev. 2013, vol. 21, iss. 1, pp. 1–45. DOI:https://doi.org/10.1007/s00159-013-0058-3.
16. Kvashnin A.A., Logachev V.I., Philippov M.V., et al. Optical system design of the detector for solar terahertz emission measurements. Space Engineering and Technology. 2021, vol. 35, iss. 4, pp. 22–30. DOI:https://doi.org/10.33950/spacetech-2308-7625-2021-4-22-30.
17. Pedregosa F., Varoquaux G., Gramfort A., et al. Scikit-learn: Machine learning in Python. J. Machine Learning Res. 2011, vol. 12, pp. 2825–2830. DOI:https://doi.org/10.5555/1953048.2078195.
18. Philippov M.V., Makhmutov V.S., Razumeyko M.V. Scientific equipment for the Sun-Terahertz space experiment: study of the temperature effect in the Golay cell. Measurement Techniques. 2024a, vol. 67, iss. 3, pp. 195–202. DOI:https://doi.org/10.1007/s11018-024-02335-9.
19. Philippov M.V., Makhmutov V.S., Maksumov O.S., et al. Electronics Unit for “Sun-Terahertz” Scientific Equipment. Instrum. Exp Tech. 2024b, vol. 67, iss. 3, pp. 545–553. DOI:https://doi.org/10.1134/S0020441224700829.
20. Prokhorenkova L., Gusev G., Vorobev A., et al. CatBoost: unbiased boosting with categorical features. 32nd Conference on Neural Information Processing Systems (NeurIPS 2018). Montréal, 2018, vol. 31.
21. Quinlan J.R. Induction of decision trees. Machine Learning. 1986, vol. 1, pp. 81–106.
22. Tsap Y.T., Smirnova V.V., Morgachev, A.S., et al. On the origin of 140 GHz emission from the 4 July 2012 solar flare. Adv. Space Res. 2016, vol. 57, iss. 7, pp. 1449–1455. DOI:https://doi.org/10.1016/j.asr.2015.12.037.
23. Tulnikov E.D., Logachev V.I., Makhmutov V.S., at el. Characteristics of the optical system of the Solntse-Terahertz scientific equipment. Cosmic Res. 2024, vol. 62, iss. 6, pp. 551–557. DOI:https://doi.org/10.1134/S0010952524600434.
24. Tulnikov E.D., Makhmutov V.S., Philippov M.V. Review of studying submillimeter radiation from the Sun and astrophysical sources. Bull. Russian Academy of Sciences: Physics. 2025, vol. 89, iss. 6, pp. 854-857. DOI:https://doi.org/10.1134/S1062873825711298.
25. Wedemeyer S., Bastian T., Brajša R., et al. Solar science with the Atacama Large Millimeter/Submillimeter Array — a new view of our Sun. Space Sci. Rev. 2016, vol. 200, pp. 1–73. DOI:https://doi.org/10.1007/s11214-015-0229-9.
26. Wolpert D.H. Stacked generalization. Neural Networks. 1992, vol. 5, iss. 2, pp. 241–259.
