Физически-информируемые нейронные сети для оценки интенсивности атмосферной оптической турбулентности
Многие нейронные сети строятся по принципу «черного ящика», когда внутренняя структура модели не дает возможностей для физической интерпретации полученной модели. В настоящей работе демонстрируются методические основы для преодоления этой проблемы путем построения глубокой нейронной сети с учетом физических ограничений, налагаемых на функцию потерь. В частности, предложена и анализируется физически информируемая глубокая нейронная сеть, предсказывающая вариации трехминутных значений интенсивности оптической турбулентности в приземном слое атмосферы для места расположения Большого солнечного вакуумного телескопа. Модель нейронной сети позволяет оценивать интенсивность оптической турбулентности по средним метеорологическим характеристикам, а также учитывает вариации сглаженных во времени локальных величин внешнего масштаба турбулентности и вертикального турбулентного потока тепла.
Ключевые слова
оптическая турбулентность,
машинное обучение,
физически информируемые нейронные сетиАвторы
| Шиховцев Артем Юрьевич | Институт солнечно-земной физики СО РАН | к.ф.-м.н., ст. науч. сотр. | Ashikhovtsev@iszf.irk.ru |
| Киселев Александр Викторович | Институт солнечно-земной физики СО РАН | науч. сотр. | kiselev@iszf.irk.ru |
| Ковадло Павел Гаврилович | Институт солнечно-земной физики СО РАН | д.ф.-м.н., ведущ. науч. сотр. | kovadlo2006@rambler.ru |
Всего: 3
Ссылки
Zhivetiev I.V., Yasyukevich Yu.V. // Atmosphere. - 2022. - V. 13. - Art. 1333. - DOI: 10.3390/atmos13081333.
Wang Y., Basu S. // Opt. Lett. - 2016. - V. 41. - Iss. 10. - P. 2334 - 2337. - DOI: 10.1364/OL.41.002334.
Хабарова Т.А., Землянуха П.М., Домбек Е.М. и др. // Астрофизический бюллетень. - 2024. - Т. 79. - № 2. - С. 350-360.
Shikhovtsev A.Y., Kiselev A.V., Kovadlo P.G., et al. // Atmosphere. - 2024. - V. 15. - Art. 38. - DOI: 10.3390/atmos15010038.
Shikhovtsev A.Y., Kovadlo P.G., Kiselev A.V., et al. // Publ. Astron. Soc. Pac. - 2023. - V. 135. - Art. 014503. - DOI: 10.1088/1538-3873/acb384.
Zhou S., Shi R., Yu H., et al. // JGR Atmospheres. - 2024. - V. 129. - Iss. 17. - Art. e2023JD040603. - DOI: 10.1029/2023JD040603.
Pettit C.L., Wilson D.K. // Proc. Meetings Acoust. - 2020. - V. 42. - Iss. 1. - Art. 022002. - DOI: 10.1121/2.0001383.
Soto A.M., Cervantes A., Soler M. // Open Res. Eur. - 2024. - V. 4. - Art. 99. - DOI: 10.12688/openreseurope.17388.1.
Varey J., Ruprecht J.D., Tierney M., Sullenberger R. // IEEE Aerospace Conference Proceedings. - 2024. - P. 1-8. - DOI: 10.1109/aero58975.2024.10521414.
Badura G.P., Valenta C.R. // J. Astronautical Sci. - 2024. - V. 71. - No. 5. - P. 41. - DOI: 10.12688/openreseurope.17388.1.
Avila R., Zúñiga C.A., Tapia-Rodríguez J.J., et al. // Publ. Astron. Soc. Pac. - 2016. - V. 128. - Art. 105001. - DOI: 10.1088/1538-3873/128/968/105001.
Simakhin V.A., Potekaev A.I., Cherepanov O.S., Shamanaeva L.G. // Appl. Sci. - 2023. - V. 13. - Art. 6116. - DOI: 10.3390/app13106116.
Шиховцев А.Ю. // Оптика атмосферы и океана. - 2022. - Т. 35. - № 1. - С. 74-80. - DOI: 10.15372/AOO20220111.
Laidlaw D.J., Osborn J., Morris T.J., et al. // Mon. Not. R. Astron. Soc. - 2019. - V. 483. - Iss. 4. - P. 4341-4353.- DOI: 10.1093/mnras/sty3285.
Wang Y., Xu H., Li D., et al. // Sci. Rep. - 2018. - V. 8. - Art. 1124. - DOI: 10.1038/s41598-018-19559-9.
Gladkikh V.A., Makienko A.E. // Pribory. - 2009. - V. 7. - P. 21-25.
Nosov V., Lukin V., Nosov E., et al. // Atmosphere. - 2019. - V. 10. - Art. 460. - DOI: 10.3390/atmos10080460.
Shikhovtsev A., Kovadlo P., Lukin V., et al. // Atmosphere. - 2019. - V. 10. - Art. 661. - DOI: 10.3390/atmos10110661.
Shikhovtsev A.Yu. // Publ. Astron. Soc. Jpn. - 2024. - V. 76. - Iss. 3. - P. 538-549. - DOI: 10.1093/pasj/psae031.
Xu M., Shao S., Weng N., et al. // Remote Sens. - 2022. - V. 14. - Art. 3085. - DOI: 10.3390/rs14133085.
Molozhnikova Ye.V., Shikhovtsev M.Yu., Netsvetaeva O.G., et al. // Appl. Sci. - 2023. - V. 13. - Art. 8171. - DOI: 10.3390/app13148171.
Вы можете добавить статью