Feed-forward neural networks to estimate stokes profiles

• Joan Manuel Raygoza-Romero ^[2] ; Irvin Hussein Lopez Nava ^[2] ; Julio Cesar Ramírez-Vélez ^[1]
  1. [1] Universidad Nacional Autónoma de México

     Universidad Nacional Autónoma de México

     México

     
  2. [2] Centro de Investigación Científica y Educación Superior de Ensenada (CICESE), Departamento de Ciencias de la Computación.
• Localización: Revista mexicana de astronomía y astrofísica, ISSN-e 0185-1101, Vol. 60, Nº. 2, 2024, págs. 343-354
• Idioma: inglés
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    Los campos magnéticos desempeñan un papel crucial en la evolución estelar. Para comprender mejor esta evolución, es esencial medirlos en la superficie estelar. Estas mediciones se logran mediante observaciones espectropolarimétricas, utilizando la ecuación de transferencia radiativa polarizada. Las propiedades del campo magnético se infieren ajustando los perfiles de Stokes. Este estudio propone un enfoque de aprendizaje profundo mediante una red neuronal feed-forward para estimar los perfiles de Stokes a partir de ocho parámetros que describen la configuración del campo magnético. Se realizaron experimentos de escalado, de diversas configuraciones de la arquitectura y se compararon dos enfoques. Se obtuvo un modelo que logra una estimación precisa de los perfiles de Stokes I, Q y V. Sin embargo, hubo dificultades para estimar los perfiles de Stokes Q y U cuando estos tienen una amplitud baja.

  • English

    Magnetic fields are believed to play a crucial role in stellar evolution. To better understand this evolution, it is essential to measure the magnetic fields on the stellar surface. These measurements can be achieved through spectropolarimetric observations, using the polarized radiative transfer equation. Magnetic field properties are inferred by adjusting the Stokes profiles. In this study, we propose a deep learning approach using a feed-forward neural network to estimate the Stokes profiles based on eight input parameters that describe the magnetic field configuration. To achieve this, we conducted scaling experiments on the data, explored different configurations of the FNN architecture, and compared two approaches. A model capable of accurately estimating the Stokes profiles I, Q and V was obtained. However, we encountered difficulties in estimating Stokes profiles Q and U when they have low amplitudes.