Нейросети улучшат сжатие данных для солнечного телескопа

Автор: CC0 Public Domain

Исследователи из Юньнаньской обсерватории Китайской академии наук и Юго-Западного лесного университета разработали усовершенствованный метод на основе нейронных сетей для улучшения сжатия спектральных данных с Нового вакуумного солнечного телескопа (NVST).

Опубликованная в журнале Solar Physics, эта методика решает проблемы хранения и передачи данных для высокоточных солнечных наблюдений.

NVST производит огромные объемы спектральных данных, создавая значительные нагрузки на хранение и передачу. Традиционные методы сжатия, такие как анализ главных компонентов (PCA), достигают скромных коэффициентов сжатия (~30), но часто вносят искажения в реконструированные данные, ограничивая их полезность.

Чтобы преодолеть эти ограничения, исследователи реализовали подход глубокого обучения с использованием сверточного вариационного автоэнкодера (VAE) для сжатия спектральных данных Ca II (8542 Å).

Их метод достигает степени сжатия до 107, сохраняя при этом целостность данных. Важно, что распакованные данные сохраняют ошибки в пределах собственного уровня шума исходных наблюдений, что обеспечивает научную надежность. При самой высокой степени сжатия ошибки доплеровской скорости остаются ниже 5 км/с — порог, критически важный для точного анализа физики Солнца.

Этот прорыв обеспечивает более эффективную передачу и обмен данными NVST, предоставляя масштабируемое решение для других солнечных обсерваторий, сталкивающихся с аналогичными проблемами. Улучшенное сжатие данных способствует более широкому научному сотрудничеству и снижает ограничения инфраструктуры.

Больше информации: Yan Dong et al, Neural-Based Compression for the Spectral Data of the New Vacuum Solar Telescope, Solar Physics (2025). DOI: 10.1007/s11207-025-02447-7

Источник: Chinese Academy of Sciences