Зондирование ионосферы Земли методом пульсарной поляриметрии при помощи глубокого обучения

​

Усынина Полина Глебовна� Васильев Артем Викторович�Порайко Наталия Константиновна

​

Курс: «Нейронные сети и их применение в научных исследованиях»

Введение в тему

Зондирование ионосферы Земли методом пульсарной поляриметрии при помощи глубокого обучения

Радиопульсары – это нейтронные звезды, которые излучают электромагнитные импульсы с необычайной регулярностью и периодом от миллисекунд до секунд

При прохождении магнитного поля плоскость поляризации ЭМ-волны пульсара вращается (Фарадеевское вращение)

Эффект усиливается на низких частотах!

ψ

Цели и актуальность

Зондирование ионосферы Земли методом пульсарной поляриметрии при помощи глубокого обучения

• В настоящее время для моделирования ионосферы используется модель тонкого слоя
• Качество очистки неудовлетворительное (~0.06 рад/м2), что мешает детектированию астрофизических сигналов
• Особенно актуальной хорошая очистка будет для низкочастотных телескопов: LOFAR, SKA

Идея: модернизировать модель тонкого слоя, сделав H свободным параметром

Решать задачу самокалибровки на пульсарных данных

Данные: временные ряды пульсаров

Зондирование ионосферы Земли методом пульсарной поляриметрии при помощи глубокого обучения

• Имеются данные меры вращения для трех пульсаров: J0332+5434, J0814+7429, J1921+2153

Предобработка: вычет влияния межзвездной среды, логарифмирование и вычитание тренда

Данные: солнечные и геомагнитные параметры

Зондирование ионосферы Земли методом пульсарной поляриметрии при помощи глубокого обучения

Предобработка: усреднение по времени снятия меры вращения, отбор признаков, стандартизация

Данные: выбор таргета

Зондирование ионосферы Земли методом пульсарной поляриметрии при помощи глубокого обучения

• Временной ряд оказался неустойчив по значению эффективной высоты, поэтому в качестве таргета после нескольких тестов был выбран следующий параметр:

Модели машинного обучения

Зондирование ионосферы Земли методом пульсарной поляриметрии при помощи глубокого обучения

• Линейная модель с L2-регуляризацией Ridge

​

• Линейная модель с L1-регуляризацией Lasso

​

• Модель Support Vector Regression с ядром RBF

​

• Модель градиентного бустинга CatBoost

​

• Модель градиентного бустинга XGBoost

​

• Модель на основе гауссовых процессов GaussianProcessRegressor с ядром WhiteKernel

Модели глубокого обучения

Зондирование ионосферы Земли методом пульсарной поляриметрии при помощи глубокого обучения

dropout

+ noise

+ noise

Сравнение архитектур

Зондирование ионосферы Земли методом пульсарной поляриметрии при помощи глубокого обучения

Train Loss

Val Loss

• красный – RM в лоссе
• синий – target1 в лоссе

Метрики

• Главной метрикой качества решения будет средняя разница между наблюдаемой мерой вращения и построенной:

• Хорошим значением будет являться ∆RM ∼ 0.06 - 0.07 рад/м2

​

• Еще одной метрикой будет критерий Колмогорова-Смирнова о соответствии остаточных уклонений белому шуму и визуальное исследование спектра мощности

Testing the accuracy of the ionospheric Faraday rotation corrections through LOFAR observations of bright northern pulsars / N. K. Porayko, A. Noutsos, C. Tiburzi et al // — Vol. 483, no. 3. — Pp. 4100–4113.

Зондирование ионосферы Земли методом пульсарной поляриметрии при помощи глубокого обучения

Результаты

Сначала рассмотрим результаты, полученные при обучении, валидации и тестировании на одном и том же пульсаре

Зондирование ионосферы Земли методом пульсарной поляриметрии при помощи глубокого обучения

Качество модели тонкого слоя

Зондирование ионосферы Земли методом пульсарной поляриметрии при помощи глубокого обучения

Значение метрики ∆RM = 0.055 рад/м2

​

Результаты

Зондирование ионосферы Земли методом пульсарной поляриметрии при помощи глубокого обучения

Результаты для модели XGBoost

Зондирование ионосферы Земли методом пульсарной поляриметрии при помощи глубокого обучения

Результаты для модели XGBoost

Зондирование ионосферы Земли методом пульсарной поляриметрии при помощи глубокого обучения

Результаты для нейросетевой модели

Зондирование ионосферы Земли методом пульсарной поляриметрии при помощи глубокого обучения

Train Loss

Val Loss

Результаты для нейросетевой модели

Зондирование ионосферы Земли методом пульсарной поляриметрии при помощи глубокого обучения

Результаты для нейросетевой модели

Зондирование ионосферы Земли методом пульсарной поляриметрии при помощи глубокого обучения

∆RM train

∆RM val

• синий – 50% KLD
• красный – 95% KLD

Обобщающая способность (Lasso)

Зондирование ионосферы Земли методом пульсарной поляриметрии при помощи глубокого обучения

∆RM = 0.053 рад/м2

Обобщающая способность (Lasso)

Зондирование ионосферы Земли методом пульсарной поляриметрии при помощи глубокого обучения

∆RM = 0.047 рад/м2

Интерпретация результатов (Lasso)

Зондирование ионосферы Земли методом пульсарной поляриметрии при помощи глубокого обучения

∆RM = 0.047 рад/м2

Интерпретация результатов

Зондирование ионосферы Земли методом пульсарной поляриметрии при помощи глубокого обучения

Периодограмма Ломба-Скаргла для обученной на двух пульсарах модели Lasso и инференсе на третьем пульсаре

Интерпретация результатов

Зондирование ионосферы Земли методом пульсарной поляриметрии при помощи глубокого обучения

Веса модели Lasso(0.001) и коэффициенты Шепли модели XGBoost

​

• Q2: Astronomy and computing; Journal of Geophysical Research: Machine Learning and Computation

​

• Q3: Астрономический журнал (Astronomy reports)

​

​

Журналы

Зондирование ионосферы Земли методом пульсарной поляриметрии при помощи глубокого обучения

В результате выполнения работы:

• была исследована возможность улучшения качества очистки данных пульсарной поляриметрии от влияния ионосферы
• был собран датасет из оптимального набора солнечных и геомагнитных параметров
• На тестовой выборке пульсара J0332+5434 удалось достичь качества метрики ∆RM = 0.03 рад/м2, что превосходит по качеству модель тонкого слоя
• Модели обладают хорошей обобщающей способностью и способны показывать качество не хуже модели тонкого слоя на незнакомом пульсаре

Заключение

Всем спасибо за внимание!

​

​

Зондирование ионосферы Земли методом пульсарной поляриметрии при помощи глубокого обучения