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

Resumen

Este trabajo se enmarca en las aplicaciones de las redes neuronales en el estudio y modelamiento de
los fenómenos presentes en la fotósfera solar. La investigación propuesta se basa en el modelo de redes
adversarias generativas haciendo uso de las módulos de inteligencia artificial de Pytorch. Se busca entrenar
una 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, campo
magnético, 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 se
enfoca en la generación de imágenes de campo magnético en la fotósfera solar. Se presentan los resultados
de entrenamiento de la red neuronal, la comparativa entre las imágenes de entrenamiento y las imágenes
generadas, y se proponen los retos para usar estas herramientas en el estudio de la fotósfera solar.