[論文レビュー] Reconstruction of the Solar Activity from the Catalogs of the Zurich Observatory

Egor Illarionov, R. Arlt|arXiv (Cornell University)|May 20, 2022

Solar and Space Plasma Dynamics参考文献 13被引用数 8

ひとこと要約

本論文は、19世紀から20世紀にかけてのチューリッヒ天文台のカタログから、手書きの sunspot（黒点）、ファクーラ（黒点周辺の明るい領域）、プロミネンス（コロナ質量放出）の位置データをデジタル化するための新しい深層学習手法を提示する。本手法は、リソースが限られた変動する手書き文字に対しても認識精度を向上させる、ページに適応するニューラルネットワークのトレーニング手法を採用している。主な貢献は、1883年から1936年までの、太陽磁気座標（heliographic coordinates）を高精度で収集したオープンソースデータベースの構築であり、歴史的太陽活動記録の空白を埋め、ロイヤル・グリニッジ天文台のカタログと補完的関係を形成する。信頼性推定機能により誤検出や検証の可能性が向上している。

ABSTRACT

Catalogs of the Zurich Observatory contain positional information on sunspots, prominences and faculae in late 19th and early 20th centuries. This database is given in handwritten tabular form and was not systematically analysed earlier. It is different from the sunspot number time series made in Zurich and was obtained with a larger telescope. We trained a neural-network model for handwritten text recognition and present the database of reconstructed coordinates. The database obtained connects the earlier observations by Sp\"orer with later programs of the 20th century and supplements the sunspot-group catalogs of the Royal Greenwich Observatory. We also expect that the presented machine-learning approach and its deep capabilities will motivate the processing of a wide bulk of astronomical data, which is still given in non-digitized form or as plain scanned images.

研究の動機と目的

• チューリッヒ天文台の19世紀から20世紀にかけてのカタログに記録された、手書きの表形式データから、太陽活動の位置（黒点、ファクーラ、プロミネンス）を再構築すること。
• 歴史的天文学データにおけるリソースが限られた変動する手書き文字の課題に対処するため、ニューラルネットワークのためのページに適応するトレーニング手法を開発すること。
• 19世紀末から20世紀初頭の太陽活動の科学的分析を目的とした、信頼性の高いオープンアクセスの太陽磁気座標データベースを構築すること。
• 再構築されたデータをロイヤル・グリニッジ天文台の黒点群カタログと比較し、太陽特徴の検出基準の整合性を評価すること。

提案手法

• チューリッヒ天文台カタログのページを対象に、限定的なラベル付きデータセットを用いて、手書き文字認識のためのニューラルネットワークをトレーニングした。
• ページに適応するトレーニング戦略を実装：1つの座標列の予測結果を用いて、別の列のターゲットを生成し、各ページごとに繰り返し微調整を行うことで、新しい手書きスタイルに適応する。
• 複数の解釈候補のうち、各数字について信頼性を推定し、低信頼度の項目をマニュアルレビューおよびヒューリスティック補正の対象にすることにより、エラーの特定と是正を可能にした。
• 角度間隔や太陽円盤の幾何学的構造といった補助的な座標関係を制約条件として用い、認識の信頼性を向上させた。
• 右赤経および赤緯差の測定座標を、固定された25.2339日間の恒星周期とエフェマリスに基づく太陽軸の向きを用いて、太陽磁気座標に変換した。
• 物理的分析から、信頼度スコアが0.4未満のレコードを除外することで、誤差の拡大を最小限に抑えた。

実験結果

リサーチクエスチョン

• RQ1 限定的なラベル付きデータと多様な手書きスタイルを有する歴史的天文学カタログにおいて、ニューラルネットワークが手書きの太陽特徴座標を効果的に認識できるか。
• RQ2 トレーニングデータが不足しており、ページ間で手書きスタイルが著しく異なる状況下で、モデルの一般化性能をどのように向上できるか。
• RQ3 再構築されたチューリッヒ天文台の座標が、確立されたロイヤル・グリニッジ天文台の黒点群カタログと比較して、空間的分布や特徴検出の観点でどの程度一致するか。
• RQ4 信頼度推定とヒューリスティックフィルタリングは、デジタル化された出力から誤ったレコードを効果的に特定・低減できるか。
• RQ5 再構築されたデータベースは、活動度が低いサイクル14期および長期最小期の太陽活動を研究する上で、どの程度安定的かつ信頼性があるか。

主な発見

• ページに適応するトレーニング手法は、ベースラインモデルに比べ、ラベルなしのページにおいて顕著に認識精度を向上させ、多様な手書きスタイルの信頼性あるデジタル化を可能にした。
• 再構築されたデータベースは1883年から1936年をカバーしており、黒点、ファクーラ、プロミネンスの位置を含み、25.2339日間の恒星周期を用いて太陽磁気座標に変換された。
• ロイヤル・グリニッジ天文台のカタログとの比較では、太陽中心からの経度差に生じる散乱が個々の黒点の分散と整合的であり、特徴検出基準の整合性が裏付けられた。
• 信頼度推定フレームワークは、低信頼度の項目を効果的に特定した。これらの項目はしばしばクラスタリングや系licateな誤差を示しており、誤検出のフィルタリングに有効であった。
• データベースはGitHubにオープンソースとして公開されており、ページごとの画像と表の比較が可能で、コミュニティによる検証と是正を支援している。
• 本研究は、機械学習が非デジタル化された手書きの天文学データを効果的にデジタル化できることを示しており、同様の歴史的アーカイブ処理の道を切り開いた。