AI는 큰 기여를 합니다! 신경망이 3D 태양 이미지를 재구성하여 최초로 태양 극을 밝혀냈습니다.
작성자: Add Zero
편집자: 이보주, 산양
콜로라도에 있는 국립 대기 연구 센터(NCAR)의 연구원들은 NeRFs 신경망을 사용하여 태양의 2차원 이미지를 3차원 재구성으로 변환하여 처음으로 태양의 극을 밝혀냈습니다.
극자외선(EUV)은 파장이 10~120nm 범위에 있는 태양 복사선을 말합니다. EUV는 저궤도 위성의 대기 저항에 영향을 미치는 반면, 인간의 건강에도 위협이 됩니다. EUV 방사선에 과도하게 노출되면 시력 상실, 햇볕에 타는 증상, 심지어 피부암과 같은 심각한 질병까지 발생할 수 있습니다.
EUV 예측은 완전한 태양 이미지와 분리될 수 없습니다. 그러나 현재의 EUV 이미징 위성은 태양 적도(황도) 주변에서만 이미지를 촬영할 수 있으며, 황도가 아닌 일부 관점을 직접 관찰할 수 없습니다. 대기의 영향까지 더해져 2차원 그래픽으로는 정확한 위치 매핑을 얻을 수 없고, 제한된 시간 내에 많은 양의 이미지를 처리하는 것도 어렵습니다. 이러한 장애물 때문에 태양의 3차원 기하학적 구조를 재구성하는 것은 매우 어렵습니다.
이 문제를 해결하려면콜로라도에 있는 국립 대기 연구 센터(NCAR)의 태양 물리학자인 베누아 트렘블레이와 그의 동료들은 NeRFs 신경망을 사용하여 태양의 2차원 이미지를 3차원 재구성으로 변환하여 처음으로 태양의 극을 밝혀냈습니다.황도가 아닌 관측 지점의 경우, 이 모델은 최대 신호 대 잡음비가 43.3dB이고 평균 절대 상대 오차가 0.3%로, 태양의 일관된 3차원 재구성 이미지를 제공합니다.
인공지능이 태양의 극지방 중 하나를 재구성합니다.
이 지역은 실제로 관찰된 적이 없습니다.
서류 주소:
https://arxiv.org/abs/2211.14879
공식 계정을 팔로우하고 "solar image"에 댓글을 달면 전체 텍스트를 다운로드할 수 있습니다.
실험 과정: 태양의 3D 재구성
데이터 세트: 태양 전방 모델 이미지
연구진은 태양 코로나의 Predictive Science Inc(PSI) 자기유체역학(MHD) 시뮬레이션을 사용하여 태양 대기의 플라스마 매개변수와 자기장의 전역적 3차원 분포를 추정했습니다. 193년 동안 균일한 간격으로 배치된 관측 지점에서 촬영한 태양의 전방 모델 이미지 총 256개를 선정하였고, 그 중 황도상의 관측 지점 32개를 훈련 세트로 사용하였고, 황도 밖의 위도에 있는 관측 지점을 테스트 세트로 사용했습니다.
훈련을 위한 태양 이미지
a: 2019-07-02 20:41:08 (UT) 황도에서 촬영한 193Å 태양의 위성 이미지.
b: 태양의 3D 모델에서 추출한 위성 관점에서의 시뮬레이션 이미지;
c: 3D 모델에서 추출한 256개 관측점의 위치. 훈련 세트(분홍색)와 테스트 세트(녹색)에 사용된 관점을 나타내기 위해 색상으로 구분했습니다.
알고리즘 구조: SuNeRF 모델
목적: 훈련 이미지 세트로부터 태양의 3D 기하학을 재구성합니다.
방법: 각 좌표점(x, y, z)은 볼륨을 시뮬레이션하도록 설계된 신경망을 사용하여 방출 및 흡수 계수(ε, κ)에 매핑됩니다.
기능: 각 픽셀에 대해 모집단에서 광선을 샘플링합니다.
방사선 전달의 원리: 방사선 전달 원리를 기반으로 한 총 강도 계산.
SuNeRF 모델 아키텍처
학습 과정: 2D 이미지의 3D 재구성
NeRFs 신경망을 수정하고, 알고리즘 학습을 위해 SuNeRFs 신경망을 구축했습니다.
NeRF 모델 수정: NeRF 모델을 태양의 물리적 현실에 맞게 조정하고, NeRF 모델의 밀도와 색상 예측을 방출 및 흡수 계수로 대체합니다.
배출 및 흡수 계산: 각 픽셀의 경우, 광선 경로를 따라 점을 샘플링하여 총 방출량을 계산합니다. 방출 및 흡수 계수(ϵ, κ)는 각 지점(x, y, z)에서 예측됩니다. 방출(I)은 κ에 샘플링 광선 거리(ds)를 곱하여 계산됩니다. 흡수(A)는 exp(κ * ds)로 정의되며 각 지점에서 0과 1 사이의 값으로 조정됩니다.
총 관찰 강도 계산: 원점에서 관찰자까지의 광선 경로에 대한 흡수를 고려하여 모든 샘플 지점을 통합하고 통합된 강도 값을 사용하여 총 관찰 강도(I_total)를 계산합니다.
픽셀 값 최적화: 훈련에 필요한 값 범위를 최적화하기 위해 아신 스트레칭을 적용합니다.
태양 기하학에 맞춰 조정된 NeRF 광선 샘플링: 태양으로부터 [-1.3, 1.3]의 태양 반경 범위 내에서 태양으로부터의 샘플 광선.
AI는 태양의 2D 위성 이미지(왼쪽)를 3D 재구성(중앙)으로 변환합니다.
그리고 지금까지 본 적이 없는 태양 극지방(오른쪽)의 과정을 계산해냈다.
학습은 NVIDIA A100 GPU에서 약 30개의 에포크와 8096개의 광선 배치 크기를 사용하여 약 19시간이 걸렸습니다. Rumelhart 등이 제안한 역전파 알고리즘 1986년에 채택된 적응적 모멘트 추정(Adam) 최적화기(Kingma 및 Ba, 2015)를 사용하였고, 학습률 lr = 5 × 10^-4, 평균 제곱 오차(MSE)를 손실 함수로 사용했습니다.
실험 결과: 고정밀 3D 재구성
모델의 불확실성은 서로 다른 초기화를 가진 5개의 SuNeRF 앙상블을 피팅하고 출력의 표준 편차를 계산하여 추정됩니다.
품질 평가: 그림 (a)는 시뮬레이션에서 각 관점의 최대 신호 대 잡음비(PSNR)와 구조적 유사도(SSIM)를 보여줍니다. SuNeRFs는 최소 0.97의 SSIM으로 고품질 결과를 제공합니다. 황도면에 가까운 지점은 오차가 가장 작지만, 오차는 위도가 높아질수록 점차 증가합니다. 이는 훈련-테스트 분할에서 예상한 대로입니다.
모델 비교: 그림 (b)는 모델을 기준선 방법과 비교합니다. 고위도 지역에서는 단순 재투영을 통해 인공물과 실제 결과와의 큰 편차가 나타나지만, SuNeRF 모델은 거의 동일한 이미지를 렌더링합니다. 차이점 지도는 주요 오류가 태양 가장자리 근처와 주변에서 발생하며, 이는 불확실성 지도에도 반영되어 있음을 보여줍니다. 재투영 방법은 가장자리 영역을 처리할 수 없다는 점에 유의하세요.
SuNeRF 평가
a) 위도와 경도에 해당하는 점으로 표현된 256개 시점에서 평가된 PSNR과 SSIM입니다. 색상은 재구성의 품질을 나타내며, 값이 클수록 기준 진실과 더 잘 일치함을 나타냅니다. 위도 ± 7도에 있는 빨간색 점선은 훈련 관점과 테스트 관점을 구분하는 선입니다.
(b) 기준선 방법(구면 재투영; 첫 번째 행), 시뮬레이션 데이터(실제 데이터; 두 번째 행) 및 SuNeRF 재구성(세 번째 행)의 다양한 위도에서의 정성적 비교. 차이 맵(네 번째 행)은 우리의 방법이 기준 진실과 다른 영역을 식별합니다. 불확실성 추정치(다섯 번째 행)는 오차와 일치합니다.
아래 표는 전체 테스트 세트에 대한 정량적 평가 결과를 요약한 것입니다. SuNeRF 모델은 기준 방식보다 훨씬 우수한 성능을 보이며 과대평가나 과소평가의 징후가 전혀 보이지 않아 태양의 3D 재구성에서 높은 정확도를 달성했습니다.
콰푸: 태양을 쫓는 중국인의 꿈
태양은 우리와 가장 가까운 별이며, 자세히 연구할 수 있는 유일한 별입니다. 그것은 우리에게 빛과 온기를 가져다 줄 뿐만 아니라 지구에 상당한 영향을 미칩니다. 그래서 사람들은 오랜 세월에 걸쳐 태양의 신비를 탐구하는 것을 멈춘 적이 없으며, "바람과 태양을 쫓는 것"은 언제나 중국 과학 연구자들의 꿈이었습니다.
2021년에 발사된 시허는 우리나라 태양 탐사 프로젝트의 선구자라고 할 수 있고, 쿠아푸 1호(ASO-S)는 자외선, 가시광선, X선 대역에서 태양을 관측할 수 있는 만능 태양 관측선입니다. 우리나라가 발사한 두 대의 태양 탐사 위성은 모두 각기 다른 초점을 가지고 있으며, 이를 통해 글로벌 태양물리학 연구 분야에서 우리나라의 영향력이 더욱 확대되고, 중국 과학자들이 '태양을 쫓는' 데 가장 강력한 파트너가 될 것입니다.
우리나라의 종합 태양 탐사 위성인 쿠아푸 1호는 세 가지의 최초 기록을 달성했습니다.
- 처음으로 "하나의 자기장과 두 개의 폭풍"이 과학적 표적으로 선정되었고, 이에 상응하는 탑재체 조합이 구성되었습니다.
- 처음으로, 전체 태양 디스크 벡터 자기장, 태양 플레어의 비열 복사 이미징, 코로나 질량 방출의 태양 디스크 형성 및 코로나 전파가 단일 위성 플랫폼에서 동시에 관찰되었습니다.
- 최초로, 라이만-알파 대역에서 전체 태양 원반과 코로나가 동시에 관측되었습니다.
점점 더 성숙해지는 AI 기술이 활시위를 당긴 활이라면, 인간의 지식에 대한 풍부한 욕망은 신비로운 깊은 우주로 날아가는 화살과 같습니다.
참고문헌:
https://ml4physicalsciences.github.io/2022/files/NeurIPS_ML4PS_2022_170.pdf