Bilim adamları, yeni vakum güneş teleskopu için spektral veri sıkıştırma verimliliğini artırmak için sinir ağları geliştirir

Çin Bilimler Akademisi ve Güneybatı Ormancılık Üniversitesi Yunnan Gözlemevlerinden araştırmacılar, yeni vakum güneş teleskopundan (NVST) spektral verilerin sıkıştırılmasını geliştirmek için gelişmiş bir sinir ağı tabanlı yöntem geliştirdiler.

Yayınlandı Güneş fiziğibu teknik, yüksek çözünürlüklü güneş gözlemleri için veri depolama ve iletimdeki zorlukları ele almaktadır.

NVST, önemli miktarda spektral veri üreterek önemli depolama ve iletim yükleri oluşturur. Ana bileşen analizi (PCA) gibi geleneksel sıkıştırma teknikleri, mütevazı sıkıştırma oranlarına (~ 30) ulaştı, ancak genellikle yeniden yapılandırılmış verilerde bozulmalar getirdi ve faydalarını sınırladı.

Bu sınırlamaların üstesinden gelmek için araştırmacılar, CA II (8542 Å) spektral verilerinin sıkıştırılması için evrişimsel bir varyasyonel otoencoder (VAE) kullanarak derin bir öğrenme yaklaşımı uyguladılar.

Onların yöntemleri, veri bütünlüğünü korurken 107’ye kadar bir sıkıştırma oranı elde eder. En önemlisi, dekomprese edilen veriler, orijinal gözlemlerin doğal gürültü seviyesi içindeki hataları korur ve bilimsel güvenilirlik sağlar. En yüksek sıkıştırma oranında, Doppler hız hataları 5 km/s’nin altında kalır – doğru güneş fiziği analizi için kritik bir eşik.

Bu atılım, benzer zorluklarla karşılaşan diğer güneş gözlemevleri için ölçeklenebilir bir çözüm sağlarken daha verimli NVST veri iletimi ve paylaşımı sağlar. Geliştirilmiş veri sıkıştırması daha geniş bilimsel işbirliğini kolaylaştırır ve altyapı kısıtlamalarını azaltır.