An Unsupervised Machine Learning-based Algorithm for Detecting Weak Impulsive Narrowband Quiet Sun Emissions and Characterizing Their Morphology
Notice bibliographique
Résumé
Abstract The solar corona is extremely dynamic. Every leap in observational capabilities has been accompanied by unexpected revelations of complex dynamic processes. The ever more sensitive instruments now allow us to probe events with increasingly weaker energetics. A recent leap in the low-frequency radio solar imaging ability has led to the discovery of a new class of emissions, namely weak impulsive narrowband quiet Sun emissions (WINQSEs). They are hypothesized to be the radio signatures of coronal nanoflares and could potentially have a bearing on the long standing coronal heating problem. In view of the significance of this discovery, this work has been followed up by multiple independent studies. These include detecting WINQSEs in multiple data sets, using independent detection techniques and software pipelines, and looking for their counterparts at other wavelengths. This work focuses on investigating morphological properties of WINQSEs and also improves upon the methodology used for detecting WINQSEs in earlier works. We present a machine learning-based algorithm to detect WINQSEs, classify them based on their morphology, and model the isolated ones using 2D Gaussians. We subject multiple data sets to this algorithm to test its veracity. Interestingly, despite the expectations of their arising from intrinsically compact sources, WINQSEs tend to be resolved in our observations. We propose that this angular broadening arises due to coronal scattering. Hence, WINQSEs can provide ubiquitous and ever-present diagnostic of coronal scattering (and, in turn, coronal turbulence) in the quiet Sun regions, which has not been possible until date.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».