Resumen

Este estudio se sitúa dentro del ámbito de las aplicaciones de las redes neuronales en la investigación y modelización de los fenómenos observados en la fotósfera solar. La investigación se centra en la implementación del modelo de redes adversarias generativas utilizando los módulos de inteligencia artificial de Pytorch. El objetivo es entrenar una red neuronal para generar conjuntos de imágenes altamente similares a las imágenes de entrenamiento. Estas imágenes representan magnitudes físicas de la fotósfera solar, como densidad, campo magnético, velocidad del plasma y temperatura, obtenidas del código de simulación MURaM. Aunque la red neuronal puede generar imágenes de cualquier magnitud física, el enfoque principal se encuentra en la generación de imágenes del campo magnético en la fotósfera solar. El estudio presenta los resultados del entrenamiento de la red neuronal, compara las imágenes generadas con las de entrenamiento y plantea los desafíos futuros para utilizar estas herramientas en la investigación de la fotósfera solar.

1. INTRODUCCIÓN

El estudio de la zona convectiva del Sol ha sidode gran interés para los físicos a lo largo del tiempo. Sin embargo su teorización y experimentación se hanvisto limitadas por ser una zona inaccesible para laobservación directa con instrumentos como sondaso telescopios, siendo la capa superior (fotósfera) laprimera en la cual la radiación escapa y puede ser detectada. Simulaciones computaciones con métodosnuméricos han sido desarrolladas para la modelaciónde la fotósfera y la zona conectiva bajo la superficiesolar; infortunadamente estas simulaciones requieren de una gran capacidad computacional al igualque numerosas horas de computo, algo que solo esposible en centros de investigación avanzados. Teniendo en cuenta que en muchos casos se debenrealizar gran cantidad de experimentos numéricospara refinar los resultados de las simulaciones, sehace dispendioso obtener resultados inmediatos. Las redes neuronales aplicadas en el nuevo ámbito del Deep Learning pueden ser una gran herramienta parasolucionar las barreras del poder computacional, eltiempo de simulación y la ausencia de elementos deobservación para la zona convectiva del Sol.

Este proyecto busca hacer uso de redes neuronales tipo DCGAN para la generación de imágenesde campo magnético en la fotósfera solar basadasen imágenes producidas por simulaciones realizadas con el código MURaM, conteniendo entonces características físicas óptimas para poder ser tenidasen cuenta para una posible aplicación posterior enla generación de otras características físicas de lafotósfera.

• Materias:Redes neuronales artificiales Aprendizaje automático Algoritmos de aprendizaje
• Subjects:Artificial neural networks Machine learning Learning algorithms
• Palabras claves:GAN (Red Generativa Adversarial); DCGAN (Red Generativa Adversarial Convolucional Profunda); PyTorch; Fotósfera
• Keywords:GAN (Generative Adversarial Network); DCGAN (Deep Convolutional Generative Adversarial Network); PyTorch; Photosphere