Структура и динамика векторных графов межпланетного магнитного поля


Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

В работе применены методы теории информации к исследованиям межпланетного магнитного поля и его вариаций в результате солнечной активности. Статистические закономерности проекций векторов межпланетного магнитного поля и скорости потока частиц солнечного ветра не несут информации о порядке реализации доступных состояний исследуемой физической системы. Вместе с тем подобные характеристики могут быть получены из фазовых диаграмм или фазовых портретов, создаваемых на основе экспериментальных выборок на подпространствах фазового пространства, которые отображают как значения векторных величин, так и порядок следования для конкретного временного ряда. В работе предложен метод синтеза векторных графов в фазовом подпространстве межпланетного магнитного поля. Рассмотрены результаты реконструкции и анализа реализуемых графов на основе временных рядов спутникового мониторинга состояния межпланетного магнитного поля, предоставляемые базой данных Центра космических полетов Годдарда (англ. NASA Goddard Space Flight Center) за апрель 2023 г. Граф строится на основе экспериментальных выборок для проекций векторов магнитных полей. В узлах графа сходятся и расходятся векторы полей, ребра графа позволяют контролировать анализируемую траекторию системы в фазовом подпространстве и восстанавливать дерево переходов для конкретного векторного поля. Вводится понятие сферической опорной поверхности векторного графа, позволяющей привести сравниваемые реализации графов к единому линейному масштабу и единой кривизне опорной поверхности. Рассмотрены примеры в условиях действия различных внешних факторов, связанных с магнитным полем Солнца и выбросами корональных масс.

Full Text

Restricted Access

About the authors

Ю. А. Антонов

Московский государственный университет имени М. В. Ломоносова

Email: suhareva@phys.msu.ru
Russian Federation, Москва

В. И. Захаров

Московский государственный университет имени М. В. Ломоносова

Email: suhareva@phys.msu.ru
Russian Federation, Москва

И. Н. Мягкова

Научно-­исследовательский институт ядерной физики имени Д. В. Скобельцына, Московский государственный университет имени М. В. Ломоносова

Email: suhareva@phys.msu.ru
Russian Federation, Москва

Н. А. Сухарева

Московский государственный университет имени М. В. Ломоносова; Научно-исследовательский институт ядерной физики имени Д. В. Скобельцына, Московский государственный университет имени М. В. Ломоносова

Email: suhareva@phys.msu.ru
Russian Federation, Москва; Москва

Ю. С. Шугай

Научно-­исследовательский институт ядерной физики имени Д. В. Скобельцына

Author for correspondence.
Email: suhareva@phys.msu.ru
Russian Federation, Москва

References

  1. Birkeland K. Are the solar corpuscular rays that penetrate the Earth’s Atmosphere Negative or Positive Rays? // I. Mat.-Naturv. Klasse. Videnskapsselskapets Skrifter. 1916. Iss. 1. P. 1–27.
  2. Biermann L. F. Solar corpuscular radiation and the interplanetary gas // A Source Book in Astronomy and Astrophysics, 1900–1975. Harvard University Press, 1979. P. 147–148.
  3. Parker E. N. Dynamics of the interplanetary gas and magnetic fields // Astrophysical J. 1958.V. 128. Art.ID. 664. https://doi.org/10.1086/146579
  4. Parker E. Dynamical theory of the solar wind // Space Science Reviews. 1965. V. 4. Iss. 5–6. P. 666–708.
  5. Réville V., Velli M., Panasenco O. et al. The role of Alfvén wave dynamics on the large-­scale properties of the solar wind: comparing an MHD simulation with Parker Solar Probe E1 data // Astrophysical J. Supplement Series 2020. V. 246. Iss. 2. Art.ID. 24. https://doi.org/10.3847/1538-4365/ac532e
  6. Svirzhevsky N., Bazilevskaya G., Kalinin M. et al. Heliospheric magnetic field and the Parker model // Geomagnetism and Aeronomy. 2021. V. 61. P. 299–311. https://doi.org/10.1134/S0016793221030154
  7. Adhikari L., Khabarova O., Zank G. P. et al. The role of magnetic reconnection–associated processes in local particle acceleration in the solar wind // Astrophysical J. 2019. V. 873. Iss. 1. Art.ID. 72. https://doi.org/10.3847/1538-4357/ab05c6
  8. Bale S., Badman S., Bonnell J. et al. Highly structured slow solar wind emerging from an equatorial coronal hole // Nature. 2019. V. 576. P. 237–242. https://doi.org/10.1038/s41586-019-1818-7
  9. Alberti T., Consolini G., Carbone V. et al. Multifractal and chaotic properties of solar wind at MHD and kinetic domains: An empirical mode decomposition approach // Entropy. 2019. V. 21. Iss. 3. Art.ID. 320. https://doi.org/10.3390/e21030320
  10. Prasad P. K., Gowrisankar A., Saha A. et al. Dynamical properties and fractal patterns of nonlinear waves in solar wind plasma // Physica Scripta. 2020. V. 95. Iss. 6. Art.ID065603. https://doi.org/10.1088/1402–4896/ab833c
  11. Godsil C., Royle G. F. Algebraic graph theory. Graduate Texts in Mathematics Series. V. 207. Springer Science & Business Media, 2001.
  12. Kalofolias V. How to learn a graph from smooth signals // Artificial intelligence and statistics. P. 920– 929. PMLR, 2016.
  13. Pal M., Samanta S., Ghorai G. Modern trends in fuzzy graph theory. Springer, 2020. https://doi.org/10.1007/978-981-15-8803-7
  14. Cheng S.-W., Cheong O., Lee T. et al. Fitting a graph to one-dimensional data // Theoretical Computer Science. 2021. V. 867. P. 40–49. https://doi.org/10.1016/j.tcs.2021.03.020
  15. Daitch S. I., Kelner J. A., Spielman D. A. Fitting a graph to vector data // Proc. the 26th Annual International Conference on Machine Learning. Montreal, Canada. 2009. P. 201–208. https://doi.org/10.1145/1553374.1553400
  16. Shugay Y., Slemzin V., Veselovsky I. Magnetic field sector structure and origins of solar wind streams in 2012 // J. Space Weather and Space Climate. 2014. V. 4. Art.ID. A24.
  17. Svec A. Global differential geometry of surfaces. Springer Science & Business Media, 2001.
  18. Abbena E., Salamon S., Gray A. Modern differential geometry of curves and surfaces with Mathematica. CRC Press, 2017. https://doi.org/10.1201/9781315276038
  19. Banchoff T. F., Lovett S. Differential geometry of curves and surfaces. CRC Press, 2022. https://doi.org/10.1201/9781003295341
  20. Myagkova I., Shiroky V., Dolenko S. Prediction of geomagnetic indexes with the help of artificial neural networks // E3S Web of Conferences. 2017. V. 20. Art.ID02011. https://doi.org/10.1051/e3sconf/20172002011
  21. Myagkova I., Shirokii V., Vladimirov R. et al. Comparative efficiency of prediction of relativistic electron flux in the near-earth space using various machine learning methods // Advances in Neural Computation, Machine Learning, and Cognitive Research IV. Springer, 2021. P. 222–227. https://doi.org/10.1007/978-3-030-60577-3_25
  22. Bogomolov A. V., Bogomolov V. V., Iyudin A. F. et al. Space weather effects from observations by moscow university cubesat constellation // Universe. 2022. V. 8. Iss. 5. Art.ID. 282. https://doi.org/10.3390/universe8050282
  23. Shugay Y. S., Kaportseva K. Forecast of the quasi-­stationary and transient solar wind streams based on solar observations in 2010 // Geomagnetism and Aeronomy. 2021. V. 61. Iss. 2. P. 158–168. https://doi.org/10.1134/S001679322102016X
  24. Bhowmik P., Jiang J., Upton L. et al. Physical models for solar cycle predictions // Space Science Reviews. 2023. V. 219. Iss. 5. Art.ID. 40. https://doi.org/10.1007/s11214–023–00983-x
  25. Vidotto A. A. The evolution of the solar wind // Living reviews in solar physics. 2021. V. 18. Iss. 1. Art.ID. 3. https://doi.org/10.1007/s41116-021-00029-w
  26. Viall N. M., Borovsky J. E. Nine outstanding questions of solar wind physics // J. Geophysical Research: Space Physics. 2020. V. 125. Iss. 7. Art.ID. e2018JA026005. https://doi.org/10.1029/2018JA026005
  27. Sadovnikov B., Inozemtseva N., Perepelkin E. Generalized phase space and conservative systems // Doklady Mathematics. 2013. V. 88. P. 457–459. https://doi.org/10.1134/S1064562413040285
  28. Perepelkin E., Sadovnikov B., Inozemtseva N. et al. Universal density matrix for the phase space. 2019. arXiv preprint arXiv:1904.04950
  29. Perepelkin E., Sadovnikov B., Inozemtseva N. et al. Exact time-dependent solution of the Schroedinger equation, its generalization to the phase space and relation to the Gibbs distribution,” Physica Scripta. 2022. V. 98. Iss. 1. Art.ID. 015221. https://doi.org/10.1088/1402–4896/acab39
  30. Perepelkin E., Sadovnikov B., Inozemtseva N. et al. Dispersion chain of quantum mechanics equations // J. Physics A: Mathematical and Theoretical. 2023. V. 56. Iss. 14. Art.ID. 145202.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download
2. Fig. 1. Time series of magnetic field projections (three upper rows – Bx; By; Bz) and particle flow velocity (three lower rows – Vx; Vy; Vz) in the GSE 15.IV.2023 system.

Download (874KB)
Indexing metadata
3. Fig. 2. Graphs of states 15.IV.2023.

Download (1MB)
Indexing metadata
4. Fig. 3. Time series of magnetic field projections (three upper rows – Bx; By; Bz) and particle flow velocity (three lower rows – Vx; Vy; Vz) in the GSE22–26.IV.2023 system.

Download (745KB)
Indexing metadata
5. Fig. 4. Graphs of states 22.IV.2023.

Download (1MB)
Indexing metadata
6. Fig. 5. Graphs of states 23.IV.2023.

Download (1MB)
Indexing metadata
7. Fig. 6. Graphs of states 24.IV.2023.

Download (1MB)
Indexing metadata
8. Fig. 7. Graphs of states 25.IV.2023.

Download (1MB)
Indexing metadata
9. Fig. 8. Graphs of states 26.IV.2023.

Download (1MB)
Indexing metadata
10. Fig. 9. Variation of the normalizing curvature coefficients over time: on the left – for April 15, on the right – for the interval April 22-26, 2023.

Download (462KB)
Indexing metadata

Copyright (c) 2024 Russian Academy of Sciences