RSS-ленты
РусскийEnglish
Выпуск 12, 2025
Том год страница
Выпуски Авторы PACS Подписчикам Для авторов

Выпуски

 / 

2025

 / 

Апрель

←  →

К 270-летию Московского государственного университета (МГУ) имени М.В. Ломоносова. Физика наших дней


Методы машинного обучения в физике Солнца

† 
Московский государственный университет имени М.В. Ломоносова, Механико-математический факультет, Ленинские горы 1, МГУ, Главное здание, Москва, 119991, Российская Федерация

Развитие и успехи методов машинного обучения в широком круге задач оказали существенное влияние на постановку и проведение научных исследований в солнечной физике. Большие массивы данных стали самостоятельной ценностью, в которую вложены усилия экспертов и значительные технологические ресурсы. Сами исследования приобрели междисциплинарый характер и концентрируются вокруг передовых вычислительных центров. Появилась возможность ставить масштабные задачи там, где ещё вчера отсутствовала чёткая математическая постановка. В обзоре представлены основные идеи, на которых основаны современные модели машинного обучения, базы данных, подготовленные для задач машинного обучения, и инструменты работы с данными. Основная часть обзора посвящена обсуждению моделей, предложенных в контексте конкретных задач физики Солнца, и их обобщений на другие приложения.

Текст pdf (3,2 Мб)
English fulltext is available at DOI: 10.3367/UFNe.2025.02.039872
Ключевые слова: Солнечная физика, солнечная активность, машинное обучение, базы данных
PACS: 07.05.Mh, 84.35.+i, 96.60.−j (все)
DOI: 10.3367/UFNr.2025.02.039872
URL: https://ufn.ru/ru/articles/2025/4/e/
001513421700004
2-s2.0-105006712172
2025PhyU...68..374I
Цитата: Илларионов Е А "Методы машинного обучения в физике Солнца" УФН 195 395–415 (2025)
BibTexBibNote ® (generic)BibNote ® (RIS)MedlineRefWorks

Поступила: 5 августа 2024, 22 февраля 2025

English citation: Illarionov E A “Machine learning methods in solar physics” Phys. Usp. 68 374–392 (2025); DOI: 10.3367/UFNe.2025.02.039872

Список литературы (169) ↓

  1. Марковъ А А "Примѣръ статистическаго изслѣдованiя надъ текстомъ "Евгенiя Онѣгина", иллюстрирующiй связь испытанiй въ цѣпь" Изв. Императорской акад. наукъ 7 (3) 153 (1913)
  2. Vaswani A et al arXiv:1706.03762
  3. Devlin J et al arXiv:1810.04805
  4. Brown T B et al arXiv:2005.14165
  5. Dosovitskiy A et al arXiv:2010.11929
  6. Yan Wet al arXiv:2104.10157
  7. Lin T et al arXiv:2106.04554
  8. Bommasani R et al arXiv:2108.07258
  9. Vokhmyanin M, Arlt R, Zolotova N Solar Phys. 295 (3) 39 (2020)
  10. Rimmele T R et al Solar Phys. 295 (12) 172 (2020)
  11. Clette F et al Solar Phys. 298 (3) 44 (2023)
  12. Lemen J R et al Solar Phys. 275 (1-2) 17 (2012)
  13. Колмогоров А Н ДАН СССР 108 179 (1956)
  14. Liu Z et al arXiv:2404.19756
  15. Cybenko G Math. Control Signals Syst. 2 303 (1989)
  16. Hornik K, Stinchcombe M, White H Neural Networks 2 (5) 359 (1989)
  17. Funahashi K-I Neural Networks 2 (3) 183 (1989)
  18. Pinkus A Acta Numerica 8 143 (1999)
  19. DeVore R, Hanin B, Petrova G Acta Numerica 30 327 (2021)
  20. Murphy K P Machine Learning: A Probabilistic Perspective (Cambridge, MA: MIT Press, 2021)
  21. Bishop C M Pattern Recognition and Machine Learning (Information Science and Statistics) (New York: Springer-Verlag, 2006)
  22. Hastie T, Tibshirani R, Friedman J The Elements of Statistical Learning: Data Mining, Inference, and Prediction (Springer Series in Statistics) (New York: Springer, 2009)
  23. Johnson J, Alahi A, Fei-Fei L arXiv:1603.08155
  24. Бахвалов Н С, Жидков Н П, Кобельков Г М Численные методы (М.: Наука, 1987)
  25. Raissi M, Perdikaris P, Karniadakis G E J. Comput. Phys. 378 686 (2019)
  26. Goodfellow I, Bengio Y, Courville A Deep Learning (Cambridge, MA: MIT Press, 2016)
  27. Chen R T Q et al arXiv:1806.07366
  28. Понтрягин Л С и др Математическая теория оптимальных процессов (М.: Физматгиз, 1961); Пер. на англ. яз., Pontryagin L S et al The Mathematical Theory of Optimal Processes (New York: Interscience Publ., 1962)
  29. Pearson K Philos. Mag. 2 (11) 559 (1901)
  30. Johnstone I M, Paul D Proc. IEEE 106 1277 (2018)
  31. Kingma D P, Welling M arXiv:1312.6114
  32. Kingma D P, Welling M Found. Trends Machine Learn. 12 (4) 307 (2019)
  33. Rezende D, Mohamed Sh Proc. of the 32nd Intern. Conf. on Machine Learning, Lille, France, 7-9 Jul 2015 (Proc. of Machine Learning Research) Vol. 37 (Eds F Bach, D Blei) (MLR Press, 2015) p. 1530
  34. Kobyzev I, Prince S J D, Brubaker M A IEEE Trans. Pattern Analysis Machine Intelligence 43 3964 (2021)
  35. Goodfellow I J et al arXiv:1406.2661
  36. Arjovsky M, Chintala S, Bottou L arXiv:1701.07875
  37. Kovachki N et al arXiv:2108.08481
  38. Jouppi N P et al arXiv:1704.04760
  39. Zeiler M D arXiv:1212.5701
  40. Kingma D P, Ba J arXiv:1412.6980
  41. Duchi J, Hazan E, Singer Y J. Machine Learning Res. 12 2121 (2011)
  42. Chen X et al arXiv:2302.06675
  43. McMahan B Proc. of the Fourteenth Intern. Conf. on Artificial Intelligence and Statistics (Proc. of Machine Learning Research) Vol. 15 (Eds G Gordon, D Dunson, M Dudík) (MLR Press, 2011) p. 525
  44. Bottou L On-Line Learning in Neural Networks (Ed. D Saad) (Cambridge: Cambridge Univ. Press, 1999) p. 9
  45. Polyak B T, Juditsky A B SIAM J. Control Optim. 30 838 (1992)
  46. Zhu C et al ACM Trans. Math. Software 23 550 (1997)
  47. Riedmiller M, Braun H IEEE Intern. Conf. on Neural Networks, 28 March 1993 - 01 April 1993, San Francisco, CA, USA (Piscataway, NJ: IEEE, 1993) p. 586
  48. Rall L B (Ed.) Automatic Differentiation: Techniques and Applications (Lecture Notes in Computer Science) Vol. 120 (Berlin: Springer-Verlag, 1981)
  49. Baydin A G et al J. Machine Learning Res. 18 (153) 1 (2018)
  50. Rumelhart D E, Hinton G E, Williams R J Nature 323 533 (1986)
  51. Hecht-Nielsen R Intern. 1989 Joint Conf. on Neural Networks, IJCNN, Washington DC, 18-22 June 1989 Vol. 1 (Piscataway, NJ: IEEE, 1989) p. 593
  52. Schmidhuber J Neural Networks 61 85 (2015)
  53. Yao Y, Rosasco L, Caponnetto A Constr. Approx. 26 289 (2007)
  54. Hurlburt N et al Solar Phys. 275 67 (2012)
  55. Müller D et al Astron. Astrophys. 606 A10 (2017)
  56. Sadykov V M et al Astrophys. J. Suppl. 231 (1) 6 (2017)
  57. Illarionov E, Kosovichev A, Tlatov A Astrophys. J. 903 115 (2020)
  58. Zhao Z et al Sci. Data 10 178 (2023)
  59. Kucuk A, Banda J M, Angryk R A Sci. Data 4 170096 (2017)
  60. Galvez R et al Astrophys. J. Suppl. 242 (1) 7 (2019)
  61. Илларионов Е А, Тлатов А Г Изв. Крымской астрофиз. обсерватории 114 (1) 118 (2018)
  62. Bolzern R, Aerni M "A machine learning image dataset for the prediction of solar flares" (2024)
  63. Kosovichev A G et al AGU Fall Meeting 2023, San Francisco, CA, 11-15 December 2023, id. SH33C-307, Poster No. 307
  64. Palmroos C et al Front. Astron. Space Sci. 9 395 (2022)
  65. Bobra M G et al Solar Phys. 289 3549 (2014)
  66. Bobra M G et al Astrophys. J. Suppl. 256 26 (2021)
  67. Rotti S A, Martens P C H, Aydin B Astrophys. J. Suppl. 249 (2) 20 (2020)
  68. Boucheron L E et al Sci. Data 10 825 (2023)
  69. Gallagher P T, Moon Y-J, Wang H Solar Phys. 209 171 (2002)
  70. Illarionov E, Tlatov A Solar Phys. 297 (2) 19 (2022)
  71. Angryk R A et al Sci. Data 7 (1) 227 (2020)
  72. Freeland S L, Handy B N Solar Phys. 182 (2) 497 (1998)
  73. Barnes W T et al J. Open Source Software 5 (55) 2801 (2020)
  74. McGregor S et al Workshop on Deep Learning for Physical Sciences, DLPS 2017, NIPS 2017, Long Beach, CA, USA, 2017
  75. Shneider C et al arXiv:2108.06394
  76. The SunPy Community, Barnes W T et al Astrophys. J. 890 68 (2020)
  77. Illarionov E A, Tlatov A G Mon. Not. R. Astron. Soc. 481 5014 (2018)
  78. Ronneberger O, Fischer P, Brox T Medical Image Computing and Computer-Assisted Intervention — MICCAI 2015. 18th Intern. Conf., Munich, Germany, October 5-9, 2015, Proc. Pt. 3 (Lecture Notes in Computer Science) Vol. 9351 (Eds N Navab et al) (Cham: Springer, 2015) p. 234; Ronneberger O, Fischer P, Brox T arXiv:1505.04597
  79. Reiss M A et al Astrophys. J. 913 28 (2021)
  80. Reiss M A et al Astrophys. J. Suppl. 271 6 (2024)
  81. Verbeeck C et al Astron. Astrophys. 561 A29 (2014)
  82. Garton T M, Gallagher P T, Murray S A J. Space Weather Space Clim. 8 A02 (2018)
  83. Zhu G et al Solar Phys. 294 117 (2019)
  84. Jiang H et al Astrophys. J. Suppl. 250 5 (2020)
  85. Mackovjak Š et al Mon. Not. R. Astron. Soc. 508 3111 (2021)
  86. Díaz Castillo S M et al Front. Astron. Space Sci. 9 896632 (2022)
  87. Jarolim R et al Astron. Astrophys. 652 A13 (2021)
  88. Baek J-H et al Solar Phys. 296 160 (2021)
  89. Ahmadzadeh A et al arXiv:1912.02743
  90. Guo X et al Solar Phys. 297 104 (2022)
  91. Diercke A et al Astron. Astrophys. 686 A213 (2024)
  92. McIntosh P S Solar Phys. 125 251 (1990)
  93. Макаренко Н Г, Князева И С, Каримова Л М Письма в Астрон. журн. 38 597 (2012); Makarenko N G, Knyazeva N G, Karimova L M Astron. Lett. 38 531 (2012)
  94. Sadykov V M et al 2021 Intern. Conf. on Content-Based Multimedia Indexing CBMI, 28-30 June 2021, Lille, France (Piscataway, NJ: IEEE, 2021) p. 1
  95. Giger M, Csillaghy A Space Weather 22 e2023SW003516 (2024)
  96. Brown E et al "Learning the solar latent space: sigma-variational autoencoders for multiple channel solar imaging" Fourth Workshop on Machine Learning and the Physical Sciences, NeurIPS 2021
  97. Wang J et al Front. Astron. Space Sci. 10 1082737 (2023)
  98. Ahmadzadeh A et al Astrophys. J. Suppl. 254 23 (2021)
  99. Bobra M G, Couvidat S Astrophys. J. 798 135 (2015)
  100. Barnes G et al Astrophys. J. 829 89 (2016)
  101. Leka K D et al Astrophys. J. Suppl. 243 36 (2019)
  102. Leka K D et al Astrophys. J. 881 101 (2019)
  103. Park S-H et al Astrophys. J. 890 124 (2020)
  104. Georgoulis M K et al J. Space Weather Space Clim. 11 39 (2021)
  105. Whitman K et al Adv. Space Res. 72 5161 (2023)
  106. Sadykov V et al arXiv:2107.03911
  107. Ali A et al Astrophys. J. Suppl. 270 15 (2024)
  108. Lipton Z C, Berkowitz J, Elkan C arXiv:1506.00019
  109. Sherstinsky A Physica D 404 132306 (2020)
  110. Nandy D Solar Phys. 296 54 (2021)
  111. Wang Q-J, Li J-C, Guo L-Q Res. Astron. Astrophys. 21 (1) 012 (2021)
  112. Bizzarri I et al Mon. Not. R. Astron. Soc. 515 5062 (2022)
  113. Prasad A et al Solar Phys. 298 50 (2023)
  114. Обридко В Н, Наговицын Ю А Солнечная активность, цикличность и методы прогноза (СПб.: ВВМ, 2017)
  115. Myagkova I, Shiroky V, Dolenko S E3S Web Conf. 20 02011 (2017)
  116. Ефиторов А О и др Космические исследования 56 420 (2018); Efitorov A O et al Cosmic Res. 56 434 (2018)
  117. Тлатов А Г, Илларионов Е А, Березин И А, Шрамко А Д Космические исследования 58 479 (2020); Tlatov A G, Illarionov E A, Berezin I A, Shramko A D Cosmic Res. 58 444 (2020)
  118. Bernoux G et al J. Geophys. Res. Space Phys. 127 e2022JA030868 (2022)
  119. Владимиров Р Д и др Геомагнетизм и аэрономия 63 (2) 190 (2023)
  120. Telloni D et al Astrophys. J. 952 111 (2023)
  121. Upendran V et al Space Weather 18 (9) e02478 (2020)
  122. Brown E J E et al Space Weather 20 (3) e2021SW002976 (2022)
  123. Son J et al Astrophys. J. Suppl. 267 45 (2023)
  124. Петрукович А А и др УФН 190 859 (2020); Petrukovich A A et al Phys. Usp. 63 801 (2020)
  125. Витинский Ю И Солнечная активность (М.: Наука, 1983)
  126. McIntosh P S Solar Activity Observations and Predictions (Progress in Astronautics and Aeronautics) Vol. 30 (Eds P S McIntosh, M Dryer) (Cambridge, MA: MIT Press, 1972) p. 65; Пер. на русск. яз., Мак-Интош П Наблюдения и прогноз солнечной активности (Под ред. П Мак-Интоша, М Драйера) (М.: Мир, 1976)
  127. McIntosh P S "Synoptic maps composites observed from McIntosh" NOAA National Centers for Environmental Information (1964)
  128. Makarov V I, Fatianov M P, Sivaraman K R Solar Phys. 85 215 (1983)
  129. Makarov V I, Sivaraman K R Solar Phys. 85 227 (1983)
  130. Kisielius V, Illarionov E Solar Phys. 299 (5) 69 (2024)
  131. Metcalf T R et al Astrophys. J. 439 474 (1995)
  132. Jarolim R et al Nat. Astron. 7 1171 (2023)
  133. Baty H, Vigon V Mon. Not. R. Astron. Soc. 527 2575 (2024)
  134. Moschou S P et al Machine Learn. Sci. Technol. 4 035032 (2023)
  135. Kim T et al Nat. Astron. 3 397 (2019)
  136. Park E et al Astrophys. J. Lett. 884 L23 (2019)
  137. Son J et al Astrophys. J. 920 101 (2021)
  138. Jeong H-J et al Astrophys. J. Suppl. 262 (2) 50 (2022)
  139. Lawrance B et al Astrophys. J. 937 (2) 111 (2022)
  140. Díaz Baso C J, Asensio Ramos A Astron. Astrophys. 614 A5 (2018)
  141. Díaz Baso C J, de la Cruz Rodríguez J, Danilovic S Astron. Astrophys. 629 A99 (2019)
  142. Rahman S et al Astrophys. J. Lett. 897 L32 (2020)
  143. Xu C et al Solar Phys. 299 36 (2024)
  144. Muñoz-Jaramillo A et al Astrophys. J. Suppl. 271 46 (2024)
  145. Song W et al Astron. Astrophys. 686 A272 (2024)
  146. Salvatelli V et al Astrophys. J. 937 100 (2022)
  147. Illarionov E, Arlt R Solar Phys. 297 79 (2022)
  148. Rani V et al Arch. Computat. Methods Eng. 30 2761 (2023)
  149. Huang S-C et al npj Digit. Med. 6 74 (2023)
  150. Shwartz Ziv R, LeCun Y Entropy 26 (3) 252 (2024)
  151. Zhao Z et al Expert Syst. Appl. 242 122807 (2024)
  152. Соколов Д Д УФН 185 643 (2015); Sokoloff D D Phys. Usp. 58 601 (2015)
  153. Käpylä P J et al Space Sci. Rev. 219 58 (2023)
  154. Brandenburg A, Sokoloff D, Subramanian K Space Sci. Rev. 169 123 (2012)
  155. Brandenburg A et al Space Sci. Rev. 219 55 (2023)
  156. Petrosyants M, Trifonov V, Illarionov E, Koroteev D Comput. Geosci. 28 605 (2024)
  157. Williams J, Wolfram U, Ozel A Phys. Fluids 34 113315 (2022)
  158. Peng W, Yuan Z, Wang J Phys. Fluids 34 025111 (2022)
  159. Rosofsky S G, Huerta E A Mach. Learn. Sci. Technol. 4 035002 (2023)
  160. Lu L, Jin P, Karniadakis G E Nat. Mach. Intell. 3 218 (2021); Lu L, Jin P, Karniadakis G E arXiv:1910.03193
  161. Li Z et al arXiv:2010.08895
  162. Kovachki N et al J. Mach. Learn. Res. 24 (89) 1 (2023)
  163. Azizzadenesheli K et al Nat. Rev. Phys. 6 320 (2024)
  164. Anirudh R et al IEEE Trans. Plasma Sci. 51 1750 (2023)
  165. Asensio Ramos A et al Living Rev. Solar Phys. 20 4 (2023)
  166. Илларионов Е А, Садыков В М Земля и Вселенная (4) 35 (2021)
  167. Camporeale E, Wing S, Johnson J R (Eds) Machine Learning Techniques for Space Weather (Cambridge, MA: Elsevier, 2018)
  168. Bobra M G, Mason J P "Machine Learning, Statistics, and Data Mining for Heliophysics" (2020)
  169. Xu L, Yan Y, Huang X Deep Learning in Solar Astronomy (SpringerBriefs in Computer Science) 1st ed. (Singapore: Springer, 2022)
© Успехи физических наук, 1918–2025
Электронная почта: ufn@ufn.ru Телефоны и адреса редакции О журнале Пользовательское соглашение