[論文レビュー] A Machine-Learning-Ready Dataset Prepared from the Solar and Heliospheric Observatory Mission

Carl Shneider, Andong Hu+5 more|arXiv (Cornell University)|Aug 4, 2021

Solar and Space Plasma Dynamics被引用数 7

ひとこと要約

この論文では、太陽・ハリソン宇宙探査機（SoHO）ミッションから得られた機械学習用に最適化されたデータセットと、オープンソースのPythonパイプラインを提示している。これにより、宇宙天気予測のための標準的で再現可能な学習が可能になる。ツールはSoHOのマルチスペクトル画像（MDI、EIT、LASCO）を処理し、データ整合性のチェック、通過時過渡フィルタリング、時系列同期を実施し、クリーンで即座に利用可能なデータセットを生成する。深層畳み込みニューラルネットワーク（CNN）とガウス・ナイーブベイズベースラインを用いた、L1ポイントにおける3〜5日前の惑星間磁場（IMF）Bzの予測によって、モデル性能の向上が実証された。

ABSTRACT

We present a Python tool to generate a standard dataset from solar images that allows for user-defined selection criteria and a range of pre-processing steps. Our Python tool works with all image products from both the Solar and Heliospheric Observatory (SoHO) and Solar Dynamics Observatory (SDO) missions. We discuss a dataset produced from the SoHO mission's multi-spectral images which is free of missing or corrupt data as well as planetary transits in coronagraph images, and is temporally synced making it ready for input to a machine learning system. Machine-learning-ready images are a valuable resource for the community because they can be used, for example, for forecasting space weather parameters. We illustrate the use of this data with a 3-5 day-ahead forecast of the north-south component of the interplanetary magnetic field (IMF) observed at Lagrange point one (L1). For this use case, we apply a deep convolutional neural network (CNN) to a subset of the full SoHO dataset and compare with baseline results from a Gaussian Naive Bayes classifier.

研究の動機と目的

• 機械学習モデルの太陽画像データへの学習に向けた、標準的で高品質かつ再現可能なデータセットの不足を解消すること。
• MDI、EIT、LASCOのSoHO画像を自動的に処理する、モジュラーでオープンソースのPythonツールを開発すること。データ整合性のチェックと欠損データ・惑星通過のフィルタリングを自動で実施する。
• 破損または欠損画像を含まない、時間的に同期されたクリーンなデータセットを生成し、機械学習システムへの直接入力に適した状態にすること。
• 深層学習と従来の分類器を用いた、L1ポイントにおける3〜5日前の惑星間磁場（IMF）Bzの予測を通じて、このデータセットの実用性を実証すること。
• 太陽画像データを用いた宇宙天気予測分野における再現可能研究のためのコミュニティ基準を確立すること。

提案手法

• パイプラインは、SunPyのFidoおよびDRMSインターフェースを用い、JSOCおよびSDACからFITS形式のSoHO画像データを照会・取得する。
• 欠損データ、'穴'、縞模様、惑星通過を含む画像を自動でフィルタリングし、データ整合性を保証する。
• 時間ベースで複数のSoHO機器（MDI、EIT、LASCO）の画像を同期させ、時間的に整合したデータセットを生成する。
• ローカルなFITSファイル生成と、効率的な機械学習ワークフローのための事前処理済みHDF5データキューブの両方をサポートする。
• カスタマイズ可能なダウンサンプリング戦略を備え、破棄されたファイルのためのクライアブルリンクを出力することで、透明性と再現性を向上させる。
• モジュラーかつ拡張可能な設計となっており、SunPyエコシステムが対応する他のデータプロバイダーとも統合可能である。

実験結果

リサーチクエスチョン

• RQ1 長期間にわたるマルチインストルメントSoHOミッションのデータから、標準的で機械学習用に最適化されたデータセットを体系的に生成できるか？
• RQ2 データの破損や惑星通過をフィルタリングすることで、宇宙天気パラメータを予測する機械学習モデルの性能にどのような影響を与えるか？
• RQ3 深層畳み込みニューラルネットワーク（CNN）が、SoHO画像を用いてL1ポイントにおける3〜5日前の惑星間磁場Bzを予測する際、ガウス・ナイーブベイズ（GNB）分類器をどの程度上回るか？
• RQ4 LASCO画像からFコロナ成分を除去することで、TSSやMCCといったモデル性能指標にどのような影響を与えるか？
• RQ5 モジュラーでオープンソースのパイプラインは、宇宙天気予測モデルの再現可能でコミュニティ全体が利用可能なベンチマークを可能にするか？

主な発見

• 機械学習用に最適化されたデータセットは、欠損データ、破損画像、惑星通過を一切含まず、SoHO機器間で時間的に同期されている。
• Fコロナを5%のしきい値で差し引いたMDI、EIT、LASCO画像の特徴を用いたガウス・ナイーブベイズ分類器は、真正陽性率（TPR）89%、真正陰性率（TNR）89%を達成した。
• Fコロナを差し引いたGNBモデルはTSSスコア0.78、MCCスコア0.41を示し、Fコロナを含むモデル（TSS: 0.68、MCC: 0.33）を上回った。
• ハイパーパrameterを最適化していないCNNモデルでも予測能力を示しており、今後のアーキテクチャのチューニングでGNBベースラインを上回る可能性が示唆された。
• パイプラインのモジュラー設計により、他のデータプロバイダーとの統合が可能であり、ローカルFITSおよび事前処理済みHDF5出力の両方をサポートするため、使いやすさとパフォーマンスが向上した。
• 本研究では、SoHO画像が宇宙天気予測に十分な情報を含んでいることが確認され、このデータセットを基にしたコミュニティ主導の研究が促進されることが示された。