Искусственные нейронные сети находят всё большее применение в последние годы. Они используются в качестве универсальных аппроксиматоров, заменяющих сложные вычислительные алгоритмы относительно простыми последовательностями функций, имитирующих реакцию нейронов на входной сигнал. Нейронные сети в частности доказали свою эффективность в параметризации вычислительно трудоёмких моделей переноса излучения (МПИ) в задачах дистанционного зондировании атмосферы. Именно эти возможности нейронных сетей (НС) рассматривает в своей статье «Модель переноса излучения на основе метода дискретных ординат с вычислением собственных значений с помощью нейронной сети: доказательство концепции» Дмитрий Сергеевич Ефременко из Институт технологий дистанционного зондирования Германского центра авиации и космонавтики.
Автор отмечает, что нейронная сеть обычно обучается для конкретного приложения, например, для заранее определённых атмосферных сценариев и заданного спектрометра. В работе же рассматривается новая концепция нейросетевых МПИ, в которой нейронная сеть заменяет не всю модель целиком, а только её часть, тем самым сокращая общее время вычислений при сохранении общности МПИ.
Информация о составе атмосферы извлекается из спектров солнечного излучения, отражённого земной атмосферой, или из спектров теплового излучения Земли, измеряемых со спутников. В таких алгоритмах модели переноса излучения позволяют определять измеряемый сигнал при известных оптических параметрах среды. Для повышения скорости счёта МПИ могут заменяться на соответствующие искусственные НС.
В работе дано краткое описание эталонной МПИ, описана новая концепция МПИ, основанная на НС, приведены численные результаты и анализ эффективности данного подхода. В предложенной модели, собственные значения для каждого слоя рассчитываются с помощью НС, а яркость на верхней границе атмосферы рассчитывается с помощью матрично-операторного метода.
Полученная НС для вычисления собственных значений может применяться с другими МПИ, использующими спектральное разложение матриц.
В работе показано, что результирующая нейронная сеть относительно легко и быстро обучаема и может использоваться для произвольного количества атмосферных слоёв. Более того, этот подход может использоваться в сочетании с любыми МПИ, основанными на методе дискретных ординат.