Published in

Universidad Pedagógica y Tecnológica de Colombia, Revista Ciencia en Desarrollo, 2E(1), p. 11-17, 2022

DOI: 10.19053/01217488.v1.n2e.2022.15240

Links

Tools

Export citation

Search in Google Scholar

Aplicación de técnicas de Deep Learning en modelamiento y observación de la fotósfera solar

This paper is made freely available by the publisher.
This paper is made freely available by the publisher.

Full text: Download

Red circle
Preprint: archiving forbidden
Red circle
Postprint: archiving forbidden
Green circle
Published version: archiving allowed
Data provided by SHERPA/RoMEO

Abstract

Este trabajo se enmarca en las aplicaciones de las redes neuronales en el estudio y modelamiento delos fenómenos presentes en la fotósfera solar. La investigación propuesta se basa en el modelo de redesadversarias generativas haciendo uso de las módulos de inteligencia artificial de Pytorch. Se busca entrenaruna red neuronal capaz de generar grupos de imágenes de una alta similitud con imágenes de entrenamiento,dichas imágenes corresponden a magnitudes físicas de la fotósfera solar tales como densidad, campomagnético, velocidad del plasma, temperatura, entre otras, obtenidas del código de simulación MURaM,aunque la red neuronal puede entrenarse para generar imágenes de cualquier magnitud física. El trabajo seenfoca en la generación de imágenes de campo magnético en la fotósfera solar. Se presentan los resultadosde entrenamiento de la red neuronal, la comparativa entre las imágenes de entrenamiento y las imágenesgeneradas, y se proponen los retos para usar estas herramientas en el estudio de la fotósfera solar.