Daily Arxiv

Cette page résume et organise les publications en intelligence artificielle du monde entier.
Les contenus sont synthétisés grâce à Google Gemini et le service est proposé à but non lucratif.
Les droits d'auteur des articles appartiennent à leurs auteurs ou institutions respectives ; en cas de partage, il suffit d'en mentionner la source.

Surya : modèle fondateur de l'héliophysique

Created by
  • Haebom

Auteur

Sujit Roy, Johannes Schmude, Rohit Lal, Vishal Gaur, Marcus Freitag, Julian Kuehnert, Theodore van Kessel, Dinesha V. Hegde, Andres Mu noz-Jaramillo, Johannes Jakubik, Etienne Vos, Kshitiz Mandal, Ata Akbari Asanjan, Joao Lucas de Sousa Almeida, Amy Lin, Talwinder Singh, Kang Yang, Chetraj Pandey, Jinsu Hong, Berkay Aydin, Thorsten Kurth, Ryan McGranaghan, Spiridon Kasapis, Vishal Upendran, Shah Bahauddin, Daniel da Silva, Nikolai V. Pogorelov, Anne Spalding, Campbell Watson, Manil Maskey, Madhulika Guhathakurta, Juan Bernabe-Moreno, Rahul Ramachandran

Contour

Surya est un modèle fondamental de 366 millions de paramètres pour la physique solaire. Il est conçu pour apprendre une représentation solaire universelle à partir d'observations SDO multi-instruments (dont huit canaux AIA et cinq produits IHM). Il utilise une architecture de transformateur spatio-temporel, un déclenchement spectral et une attention à courte et longue portée. Il a été pré-entraîné sur des tâches de prédiction d'images solaires haute résolution et optimisé par un réglage fin par expansion autorégressive. L'évaluation à zéro coup démontre sa capacité à prédire la dynamique solaire et les éruptions solaires, et le réglage fin en aval avec LoRA démontre de solides performances dans la prévision du vent solaire, la segmentation des régions actives, la prévision des éruptions solaires et les spectres EUV. Surya est le premier modèle fondamental de physique solaire à utiliser la progression temporelle à partir de données SDO pleine résolution comme tâche prétexte.

Takeaways, Limitations

•
Takeaways:
◦
Le premier modèle fondamental en physique solaire à utiliser la progression temporelle comme tâche prétexte en utilisant des données SDO à pleine résolution.
◦
Il présente de solides performances dans la prédiction de divers phénomènes solaires (dynamique solaire, éruptions, vent solaire, etc.) et leur analyse (segmentation de la région active, spectre EUV, etc.).
◦
Nous démontrons la capacité de généralisation à divers phénomènes solaires grâce à un réglage fin efficace des paramètres basé sur le zero-shot et LoRA.
◦
Suggère que le modèle peut apprendre la physique fondamentale de l’évolution solaire.
•
Limitations:
◦
Limitations n'est pas explicitement mentionné dans l'article. Des recherches supplémentaires pourraient être nécessaires pour analyser plus en détail les performances de généralisation et l'interprétabilité physique du modèle.
◦
Possibilité de dégradation des performances en raison d'un biais dans les données.
◦
Coût de calcul et difficulté d’interprétation en raison de la complexité du modèle.
👍
Made with Slashpage