< Terug naar vorige pagina

Project

Voorspelling van deep learning en achteraf van flare initiation - DELPHI (DELPHI)

Tijdens dit project zullen we verschillende CNN-architecturen met toenemende complexiteit implementeren en evalueren, om erachter te komen welke optimaal zijn voor flare-voorspellingen (met of zonder werken in operationele omstandigheden), en die de beste resultaten opleveren bij het verbeteren van ons begrip van de flare-initiatie-mechanismen. In een tweede stap zullen we informatie opnemen over de tijdsevolutie van de actieve regio's (bijv. Met terugkerende CNN's) en het gebruik van Deep Learning onderzoeken door heterogene data te combineren (tijdreeksen, meervoudige golflengtebeelden). We zullen de prestaties en mogelijkheden van verschillende ML-strategieƫn vergelijken en het verband analyseren tussen de kenmerken die worden gedetecteerd door de neurale netwerken en de mechanismen voor het initiƫren van flare. Het project zal ook een rapport publiceren met een synthese van alle resultaten om aanbevelingen te doen voor het ontwerp en de ontwikkeling van een operationeel instrument voor het voorspellen van flare op basis van ML, evenals nuttige inzichten voor de voorspellers. Ten slotte zullen onze codes en getrainde modellen openbaar worden gemaakt.

Datum:15 mrt 2020 →  Heden
Trefwoorden:Solar flares, strong radiation
Disciplines:Stellaire astrofysica, Nucleaire astrofysica, Hoogenergetische astrofysica, astrodeeltjesfysica en kosmische stralen