A New Technique to Infer Plasma Density, Flow Velocity, and Satellite Potential From Ion Currents Collected by a Segmented Langmuir Probe
Notice bibliographique
Résumé
Compared with other types of Langmuir probes, segmented probes are arguably the least often used, to diagnose the state of plasma. With linear dimensions of the order of centimeters, these probes would induce perturbations, which would make them impractical in many laboratory plasma experiments. Their size, and the fact that they consist of several equipotential faces or “segments,” from which individual currents are collected, introduces additional complexities in the construction of inference techniques for their characteristics. In this work, we focus on the use of spherical segmented probes mounted on a satellite and present new techniques to infer plasma (ion) densities, flow velocities, and satellite potentials, from currents collected by two segmented probes biased to two different fixed potentials relative to a spacecraft. This is done by carrying out 3-D kinetic self-consistent particle-in-cell (PIC) simulations to compute the response of a probe to space plasma under different environment conditions of relevance to satellites in low-Earth orbit (LEO) at low and mid-latitudes. Computed currents and the corresponding known plasma and satellite parameters used as input in the simulations are then used to create a solution library with which regression-based inference models are constructed, following standard machine learning techniques. The models trained with a subset of our synthetic dataset are found to yield excellent agreement with data in distinct validation sets. The models constructed with synthetic data are then applied to in situ measurements made with segmented Langmuir probes mounted on the Proba-2 satellite, and the inferences are compared with densities reported on the Proba-2 data portal. The advantage of our approach is that it readily produces uncertainty margins that are specifically related to the inference technique used.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».